Ubuntu16.04 + GTX1070 + CUDA8.0 + cudnn5.1 + Caffe + Tensorflow

首先，去NVIDIA官网下载你电脑对应型号所需驱动。我当时下载的是(NVIDIA-Linux-x86_64-375.39.run)，目前应该有最新的稳定版本，下载好之后，我们再进行后续步骤。

1. 禁用nouveau驱动

要先禁用Ubuntu 自带的显卡驱动，才能装Nvidia显卡驱动

按 Ctrl+Alt+F1进入命令提示符,新建一个黑名单文件

先输入用户名，再输入密码，然后就可以输入下面的命令了

1	sudo vi /etc/modprobe.d/blacklist-nouveau.conf

然后再输入一下命令(这里使用的是vi，不熟悉vi的同学可以百度一下，只需要知道几个最基本的命令就可以了，比如插入，删除，保存，退出等等。)

1 2	blacklist nouveau options nouveau modset=0

将上述两行输入完之后。就可以保存退出了(:wq)

执行以下命令

1	sudo update-initramfs -u

执行 lspci | grep nouveau查看是否有内容

1	lspci \| grep nouveau

如果什么也没有，那就说明禁用成功了。

2. 安装显卡驱动

我安装的是(NVIDIA-Linux-x86_64-375.39.run)这个驱动

Ctrl+alt+F1，输入用户名，密码，进入命令行。

关闭图形界面

1	sudo service lightdm stop

安装驱动(当然先cd到驱动所在目录)

1 2	sudo chmod 755 NVIDIA-Linux-x86_64-375.39.run //获取权限 sudo ./NVIDIA-Linux-x86_64-375.39.run //安装驱动

在这里特别强调，安装NVIDIA驱动的时候：
（1）只有集显而没有独立显卡的时候才要加 –no-opengl-files，即输入：
sudo ./NVIDIA-Linux-x86_64-375.39.run --no-opengl-files （是为了避免循环登录的问题）
（2）若有独立显卡的则不需要加 –no-opengl-files，
直接按照上面的语句运行即可。如果的确出现了循环登录的问题，再卸掉NVIDIA驱动重新安装即可。

驱动安装完成后

1	sudo service lightdm start

然后Ctrl+Alt+A7返回正常界面

安装完成之后输入下面的命令

1	nvidia-smi

显示信息类似于下面的

3. 安装CUDA8.0

我安装的是cuda_8.0.61_375.26_linux.run CUDA Toolkit 8.0 - Feb 2017

cd到CUDA文件所在的目录

1	sudo sh cuda_8.0.61_375.26_linux.run

除了第二项“”是否安装显卡驱动“选择no之外，其他全部按照默认设定

安装过程显示如下信息

然后点空格键跳过这些说明，看到如下信息:

(Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?这一个必须选no，因为一般CUDA中带的驱动可能会老一些，选no这样就不会替代我们刚装好的驱动。)

Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
(y)es/(n)o/(q)uit: n   （！！！注意：这里要选n）

Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
 [ default is /usr/local/cuda-8.0 ]: 

Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y

Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y

Enter CUDA Samples Location
 [ default is /home/username ]: 

Installing the CUDA Toolkit in /usr/local/cuda-8.0 ...

Missing recommended library: libGLU.so
Missing recommended library: libX11.so
Missing recommended library: libXi.so
Missing recommended library: libXmu.so
Missing recommended library: libGL.so
Installing the CUDA Samples in /home/username ...
Copying samples to /home/username/NVIDIA_CUDA-8.0_Samples now...
Finished copying samples.
===========
= Summary =
===========
Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-8.0
Samples:  Installed in /home/username, but missing recommended libraries
Please make sure that

- PATH includes /usr/local/cuda-8.0/bin
- LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-8.0/bin
Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-8.0/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 361.00 is required for CUDA 8.0 functionality to work.

To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
sudo <CudaInstaller>.run -silent -driver
Logfile is /tmp/cuda_install_8175.log

到此CUDA安装完毕

设置环境变量

1	sudo vi /etc/profile

在文件最后加上下面两句（如果你安装时使用的是默认路径的话）

1 2	export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

使环境变量立即生效

1	sudo ldconfig

因为接下来安装Samples需要make，所以得先装好一些库和依赖

1	sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev libgl1-mesa-glx

安装CUDA自带的Samples

1 2	cd /usr/local/cuda/samples sudo make all -j8

编译时间较久，编译完之后

1 2	cd ./bin/x86_64/linux/release ./deviceQuery

若出现显卡信息，则说明安装完成了

查看cuda版本：

nvcc -V

会输出cuda的版本信息。如果cuda安装不成功，需要卸载重装，卸载命令如下，

若完成以上步骤，说明安装成功！

4. 安装Cudnn 5.1

下载后解压，然后得到一个cuda文件夹，（cd到cuda文件夹所在目录）然后执行下列命令

sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*

# 建立软链接，尤其注意生成的libcdnn的版本，要根据自己的自行调整
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5    #删除原有动态文件
sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5  
sudo ln -sf libcudnn.so.5 libcudnn.so  
sudo ldconfig  

sudo ldconfig /usr/local/cuda/lib64/ #这句话也要写，不然会报找不到libcudnn.so.5 动态链接文件的错误

然后按照以下步骤编译caffe，其中有报错，自己参考了这篇博客：

ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历

以上都完成，才算成功安装好了cuda + cudnn

（若cuda没有安装成功，卸载方式如下）

1 2	sudo /usr/local/cuda-7.5/bin/uninstall_cuda_7.5.pl sudo /usr/bin/nvidia-uninstall12

（若NVIDIA驱动没有安装成功，卸载方式如下）

（1）如果安装的是从官网下载的驱动，则重新运行run文件来卸载：

1	sudo ./NVIDIA-Linux-x86_64-390.25.run --uninstall

（不放心的话，就再输入一遍下面的语句）

（2）如果使用的是apt-get 安装，则输入：

1	sudo apt-get remove --purge nvidia*

5. 安装MATLAB2016b

注意：Ubuntu16.04安装MATLAB 2016b后，会和系统文件冲突，具体冲突文件：

MATLAB中的： /usr/local/MATLAB/R2016b/sys/os/glnxa64/libstdc++.so.6

系统文件： /usr/lib/x86_64-linux-gnu/libstdc++.so.6

下面我们会备份MATLAB中的libstdc++.so.6 ，并将其删除，从而让Ubuntu使用系统自带的libstdc++.so.6文件。这里在下面会有具体的操作方法。

6. 编译caffe

6.1 依赖包安装

sudo apt-get install build-essential #必要的编译工具依赖
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo pip install scikit-image
sudo pip install protobuf
sudo apt-get install libhdf5-serial-dev
sudo apt-get install libopenblas-dev

6.2 安装git，拉取caffe源码

进入你的工作目录，例如，我想把我的 caffe 放到 /home/lly/work/ 目录下

1
2
3

cd /home/lly/work/
sudo apt-get install git
git clone https://github.com/BVLC/caffe.git

6.3 编译caffe主体部分

终端输入：

1
2
3

cd /home/lly/work/caffe
cp Makefile.config.example Makefile.config
sudo gedit Makefile.config

①将 USE_CUDNN := 1 取消注释，

② INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include 后面打上一个空格，然后添加 /usr/include/hdf5/serial 如果没有这一句可能会报一个找不到hdf5.h的错误，然后下面一行加一个空格后也要添加 /usr/lib/x86_64-linux-gnu/hdf5/serial/lib

1
2

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include  /usr/lib/x86_64-linux-gnu/hdf5/serial/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial/lib

然后开始编译：

终端输入

1	sudo make all -j4

测试编译是否成功：

先输入：

1	sudo ldconfig /usr/local/cuda/lib64

然后再输入：

1 2	sudo make test -j4 sudo make runtest -j4

caffe主体部分编译成功，我们再来编译MATLAB接口部分，这样易于排除错误来源

添加MATLAB 安装路径

1	MATLAB_DIR := /usr/local/MATLAB/R2016b

因为MATLAB的库文件和Ubuntu系统的库文件有冲突，我们先把MATLAB的的文件备份一下，然后再把系统的文件添加到环境变量中，这样系统就会默认使用系统的动态文件了。

在/usr/local/MATLAB/R2016b/sys/os/glnxa64下把 libstdc++.so.6 重命名为 libstdc++.so.6_back

1	sudo mv libstdc++.so.6 libstdc++.so.6_back

然后编译MATLAB接口：

1	sudo make matcaffe -j8

MEX matlab/+caffe/private/caffe_.cpp
Building with 'g++'.
Warning: You are using gcc version '5.4.0'. The version of gcc is not supported. The version currently supported with MEX is '4.9.x'. For a list of currently supported compilers see: http://www.mathworks.com/support/compilers/current_release.
MEX completed successfully.
# 显示如下输出，编译成功，继续测试

1	sudo make mattest -j8

显示如下错误：

cd matlab; /usr/local/MATLAB/R2016b/bin/matlab -nodisplay -r 'caffe.run_tests(), exit()'

                         < M A T L A B (R) >
               Copyright 1984-2016 The MathWorks, Inc.
                R2016b (9.1.0.441655) 64-bit (glnxa64)
                          September 7, 2016

 
To get started, type one of these: helpwin, helpdesk, or demo.
For product information, visit www.mathworks.com.
 
Invalid MEX-file
'/home/lly/work/caffe/matlab/+caffe/private/caffe_.mexa64':
libcudart.so.8.0: cannot open shared object file: No such file or
directory.

Error in caffe.set_mode_cpu (line 5)
caffe_('set_mode_cpu');

Error in caffe.run_tests (line 6)
caffe.set_mode_cpu();

这依然是MATLAB文件与系统文件冲突的问题，我们还是需要备份MATLAB的文件，使用Ubuntu系统自带的来编译：

我解决的方案是链接到Matlab路径下：(注意，原来/usr/local/MATLAB/R2016b/bin/glnxa64/这个目录下是没有.8.0的这三个动态链接文件的，只有.7.5的版本的这三个文件)

sudo ln -sf /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/MATLAB/R2016b/bin/glnxa64/libcudart.so.8.0

sudo ln -sf /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/MATLAB/R2016b/bin/glnxa64/libcublas.so.8.0

sudo ln -sf /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/MATLAB/R2016b/bin/glnxa64/libcurand.sosudo mv libopencv_imgproc.so.2.4.9 libopencv_imgproc.so.2.4.9.bak.8.0

sudo ldconfig            #编译立即生效

但依然还是报错：

cd matlab; /usr/local/MATLAB/R2016b/bin/matlab -nodisplay -r 'caffe.run_tests(), exit()'

                         < M A T L A B (R) >
               Copyright 1984-2016 The MathWorks, Inc.
                R2016b (9.1.0.441655) 64-bit (glnxa64)
                          September 7, 2016

 
To get started, type one of these: helpwin, helpdesk, or demo.
For product information, visit www.mathworks.com.
 
Invalid MEX-file
'/home/lly/work/caffe/matlab/+caffe/private/caffe_.mexa64':
/home/lly/work/caffe/matlab/+caffe/private/caffe_.mexa64: undefined
symbol:
_ZN2cv8imencodeERKNSt7__cxx1112basic_stringIcSt11char_traitsIcESaIcEEERKNS_11_InputArrayERSt6vectorIhSaIhEERKSB_IiSaIiEE.

Error in caffe.set_mode_cpu (line 5)
caffe_('set_mode_cpu');

Error in caffe.run_tests (line 6)
caffe.set_mode_cpu();

简单粗暴的解决方法就是先将 /usr/local/MATLAB/R2016b/bin/glnxa64 中以下三个文件备份，然后再删除其就可以了：

1
2
3

sudo mv libopencv_core.so.2.4 libopencv_core.so.2.4.bak
sudo mv libopencv_highgui.so.2.4 libopencv_highgui.so.2.4.bak
sudo mv libopencv_imgproc.so.2.4 libopencv_imgproc.so.2.4.bak

如果运行的时候还是会报找不到 libcudnn.so.5 的问题，就执行如下语句

1	sudo ldconfig /usr/local/cuda/lib64/ # 在上面已经说明了

参考博客：http://blog.csdn.net/m0_37407756/article/details/70789271

解决MATLAB中的 MEvent. CASE! 错误

在控制台输出：

1	!synclient HorizTwoFingerScroll=0

问题：MATLAB is selecting SOFTWARE OPENGL rendering.

https://www.jarviswang.me/?p=467

可以通过上面的操作，解决文件冲突问题。

问题：，MATLAB无法识别系统NVIDIA驱动，运行imshow() 都会报错：

MATLAB has experienced a low-level graphics error, and may not have drawn correctly.
Read about what you can do to prevent this issue at Resolving Low-Level Graphics Issues then restart MATLAB.
To share details of this issue with MathWorks technical support,
please include this file with your service request.

这个问题可能是NVIDIA驱动没有装好，自己出现这样的问题是因为NVIDIA驱动安装的时候使用了 --no-opengl-files 没有装OpenGL文件造成的。卸载原来的驱动，再重新装一遍NVIDIA驱动既可以解决问题。

Ubuntu 卸载MATLAB

1.删除MATLAB的安装目录

1	sudo rm -rf /home/lly/local/MATLAB/

（改成你自己的matlab路径）删除matlab文件夹。
2.在/home/lly（你的用户名）下面有.matlab 文件夹，删之这是一个隐藏文件夹，先要显示隐藏文件，才看得见。

ls -a -l

3.如果桌面有matlab快捷方式的话，把它删掉，

1	sudo remove /usr/share/applications/matlab.desktop

删除/usr/share/application /matlab.desktop，这里matlab.desktop改成你自己安装时起的名字。
4.查找/下含有matlab的所有文件

1	sudo find / -name matlab

7. 安装Anaconda 3

从 Anaconda官网下载Python3.6版本，然后打开命令行进入安装包目录：

1	cd ~/Download

输入以下命令安装，由于我需要安装在/opt目录，所以加上了sudo

1	sudo bash Anaconda3-5.0.0-Linux-x86_64.sh

会提示一下信息

Welcome to Anaconda3 5.0.0

In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue
>>>

输入回车继续安装，接下来提示一些授权信息，输入yes 继续

1 2	Do you accept the license terms? [yes\|no] [no] >>> yes

接下来指定安装目录，不指定的话会安装到默认路径下。

Anaconda3 will now be installed into this location:
/home/lly/anaconda3

  - Press ENTER to confirm the location
  - Press CTRL-C to abort the installation
  - Or specify a different location below

[/home/lly/anaconda3] >>> /opt/anaconda3

然后稍等一会，提示是否要将Anaconda的安装路径添加到PATH环境变量中，输入yes就好了。

installation finished.
Do you wish the installer to prepend the Anaconda3 install location
to PATH in your /home/hj/.bashrc ? [yes|no]
[no] >>> yes

若输入no，需要手动在.bashrc文件中添加以下内容，然后source ~/.bashrc

1	export PATH="/opt/anaconda3/bin:$PATH"

现在在终端中启动Python，发现已经替换成Anaconda的Python了

lly@lly:~$ python
Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 18:10:19) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

若没有生效，则终端输入，然后重开一个终端即可生效。

1	source ~/.bashrc

输入以下命令可以开启anaconda-navigator，这里面集成了Anaconda自带的一些工具。

1	anaconda-navigator

补充知识 conda基本命令（具体细节可参考印象笔记）

conda基本命令：
conda --version 查看当前Anaconda版本
conda info -e 查看当前环境版本
conda create -n python27 python=2.7 创建一个python2.7版本的开发环境
activate python27 切换到 python2.7的版本分支（环境）
deactivate 切换回 root分支（环境）
conda remove -n python27 --all 删除一个分支（环境）
conda create -n clonedpython27 --clone python27 克隆python27这个分支，并将新分支命名为clonedpython27

8. 使用Anaconda安装 Tensorflow

在conda环境中安装tensorflow的好处是可以便捷的管理tensorflow的依赖包。

8.1 建立一个tensorflow的运行环境

注意：这里最好通过管理员方式打开 Anaconda Prompt 进行安装，这样可以避免很多错误。

建立一个命名为tensorflowde 的conda 环境，指定Python版本是3.5 。

1 2	# Python 3.5 conda create -n tensorflow python=3.5

如果想安装其他环境下的tensorflow 则自己选择Python版本即可。

# Python 2.7  
conda create -n tensorflow python=2.7  
  
# Python 3.4  
conda create -n tensorflow python=3.4

注意，不要重复执行多次创建名为tensorflow的conda环境。以上语句选择自己需要Python版本的执行一条即可。

8.2 在conda环境中安装tensorflow

在conda环境中安装tensorflow的好处是可以便捷的管理tensorflow的依赖包。分为两个步骤：激活上一步建立的名为tensorflow的conda环境；用conda或者pip工具安装Tensorflow，作者选择的是pip方式。

查看当前环境

conda info -e
# conda environments:
#
tensorflow               /home/lly/.conda/envs/tensorflow
base                  *  /opt/anaconda3

可以看到，我们当前所在的是默认的base环境

激活名为tensorflow 的 conda环境：

1	source activate tensorflow

然后可以根据需要安装的不同的tensorflow版本选择对应的一条环境变量设置export语句（操作系统，Python版本，CPU版本还是CPU+GPU版本）这里我们选择Ubuntu操作系统，Python3.5，GPU版本 1.2版本的tensorflow进行安装。参考博客官网教程

(注意：这里你要能找到自己对应cuda 和 cudnn版本的源才行)

官网版本详情

作者自己直接使用pip 进行安装了tensorflow-gpu==1.2版本的

1	pip install tensorflow-gpu==1.2

如果提示连接网络失败，则根据提示更新一下pip再进行安装tensorflow即可。

期间自己忽略了自己cuda8.0和cudnn5.1版本问题，直接默认安装了Tensorflow官网教程中的源安装的，当时是1.6版本的tensorflow，然后在测试tensorflow的时候就会报错。类似如下错误：

1	libcudnn.so.8:cannot open sharedobject file: No such file or directory

然后降级到了1.2版本才正常使用，降级方法：参考

1 2	pip uninstall tensorflow-gpu pip install tensorflow-gpu==1.2

测试

在tensorflow的conda环境中进行测试，命令行输入python，进入tensorflow的python环境

(tensorflow) lly@lly:~$ python
Python 3.5.5 |Anaconda, Inc.| (default, Mar 12 2018, 23:12:44) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

然后输入：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

如果没有报错，输出了 b'Hello, TensorFlow!' 并输出一些警告信息，则说明安装成功：

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
2018-03-21 17:10:38.087816: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
2018-03-21 17:10:38.087834: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
2018-03-21 17:10:38.087858: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
2018-03-21 17:10:38.087863: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
2018-03-21 17:10:38.087888: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.
2018-03-21 17:10:38.206568: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:893] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2018-03-21 17:10:38.206856: I tensorflow/core/common_runtime/gpu/gpu_device.cc:940] Found device 0 with properties: 
name: GeForce GTX 1070
major: 6 minor: 1 memoryClockRate (GHz) 1.695
pciBusID 0000:01:00.0
Total memory: 7.92GiB
Free memory: 7.14GiB
2018-03-21 17:10:38.206872: I tensorflow/core/common_runtime/gpu/gpu_device.cc:961] DMA: 0 
2018-03-21 17:10:38.206877: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 0:   Y 
2018-03-21 17:10:38.206888: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1030] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 1070, pci bus id: 0000:01:00.0)
>>> print(sess.run(hello))
b'Hello, TensorFlow!'
>>>

9. 安装java jdk

我们要安装PyCharm必须先安装java jdk才行，具体安装命令如下：

安装命令：

1
2
3

sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update
sudo apt-get install oracle-java8-installer

安装过程中会出现oracle license对话框，选择是

安装完成后，输入 java -version 或者 javac -version 查看是否安装成功。得到类似以下输出，表示安装成功。

lly@lly:~$ java -version
java version "1.8.0_161"
Java(TM) SE Runtime Environment (build 1.8.0_161-b12)
Java HotSpot(TM) 64-Bit Server VM (build 25.161-b12, mixed mode)

10. 安装Pycharm

到 Pycharm官网下载Community免费版

终端进入下载目录，并解压：

1 2	cd Downloads/ tar xfz pycharm-*.tar.gz

运行解压文件中bin目录下的pycharm.sh 文件

1 2	cd pycharm-community-3.4.1/bin/ ./pycharm.sh

安装过程中询问是否导入settings，选择不导入—>OK，然后全部是默认，根据提示选择。

设置快捷方式

在Ubuntu下，每次都要找到 pycharm.sh所在的文件夹，执行./pycharm.sh，非常麻烦。最好能创建一个快捷方式。Ubuntu的快捷方式都放在/usr/share/applications，首先在该目录下创建一个Pycharm.desktop

1	sudo gedit /usr/share/applications/Pycharm.desktop

然后输入以下内容，注意Exec和Icon需要找到正确的路径：

[Desktop Entry]
Type=Application
Name=Pycharm
GenericName=Pycharm3
Comment=Pycharm3:The Python IDE
Exec="/home/lly/Downloads/pycharm-community-2017.3.4/bin/pycharm.sh" %f
Icon=/home/lly/Downloads/pycharm-community-2017.3.4/bin/pycharm.png
Terminal=pycharm
Categories=Pycharm;

然后就可以在自己的应用中找到Pycharm了。

10.1 在PyCharm中配置TensorFlow环境

要在pycharm下使用tensorflow，要设置好pycharm下解释器interpreter的路径File --> Setting --> Project --> Project Interpreter，这里也就是tensorflow的路径，如下图所示：

在PyCharm中测试该代码

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))

运行后会提示警告，但这个警告并没有影响

W c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.

我们可以通过在上面代码之前，添加两条语句，忽略掉警告

1
2
3

## 加上这两句，可以不显示警告
# import os
# os.environ['TF_CPP_MIN_LOG_LEVEL']='2'