Whl方式CUDA8.0+cuDNN6.0.21+python3.4的ubuntu环境下tensorflow的安装

源码安装tensorflow请参照http://blog.csdn.net/u013591306/article/details/79031001

下面主要介绍Whl方式安装tensorflow的方法

1、下载 GPU版本的tensorflow

下载地址 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp34-cp34m-linux_x86_64.whl
2、用pip3安装tensorflow_gpu-1.4.0-cp34-cp34m-linux_x86_64.whl，tensorflow的默认安装路径在/usr/local/lib/python3.4/dist-packages/tensorflow
pip3 install  tensorflow_gpu-1.4.0-cp34-cp34m-linux_x86_64.whl

遇到的问题1、Command "/usr/bin/python -c "import setuptools, tokenize;__file__='/tmp/pip-build-3lUDcU/M2Crypto/setup.py';
python-dev依赖问题，安装对应python版本的依赖即可。sudo apt-get python3.4-dev
遇到的问题2、import tensorflow 出错libcudnn.so.6: cannot open shared object file: No such file or directory

解决办法一：根据错误代码，找不到libcudnn.so.6。到指定文件夹下发现只有5.0和8.0的版本，没有6.0，查找原因是因为当前已经是1.4版本，而tensorflow-gpu1.3已经开始去找cudnn6了（也就是说是用cudnn6编译的）。所以可以换到tensorflow-gpu1.2版本，就解决问题了。 

解决办法二

去https://developer.nvidia.com/rdp/cudnn-download
下载相应的cudnn库（在注册完帐号之后即可下载）。从下载完的文件中，将libcudnn.so.6.XXX（具体可修改到自己下载的版本）文件放在/usr/local/cuda/lib64/文件目录下。把目录下的libcudnn.so通过mv
 libcudnn.so  libcudnn5.so 改名为libcudnn5.so。（升级为cudnn6.0.21后caffe训练可能会出错，所以先保留原来的libcudnn.so.5.1.10相关文件，有备无患。）



（1）切换到该目录下，删除原本的软连接

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.6

（2）然后修改文件权限，创建新的软连接

sudo chmod u=rwx,g=rx,o=rx libcudnn.so.6.5.18

sudo ln -s libcudnn.so.6.5.18 libcudnn.so.6

sudo ln -s libcudnn.so.6 libcudnn.so

（3）最后进入tensorflow环境下的python测试成功

import tensorflow

遇到问题三：ImportError:/usr/local/cuda-8.0/lib64/libcudnn.so.6: file too short 

同样按照上面的操作（删除连接-----创建连接）就可以了。要是不能解决的话，可能就是路径不在环境变量中。解决办法如下：

添加环境变量

export

 LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"

这个路径是你libcudnn存放的位置，最后保存更改的文件后source  ~/.bashrc