系统类配置(二)【深度学习装机详细教程-ubuntu16.04下安装cuda9.0+nvidia-384+cudnn7.1.4+tensorflow1.9。】

本机配置：i7-8700 GTX1070。经测试，本方案在i7-9700K TITAN XP; i7-7700K TITAN X上都也适用：

在安装之前首先感谢实验室师弟写的博客，但是写的估计有点乱，为了实验室以后装cuda这些东西方便一些，这里配上图，改进了一下之前师弟写的教程，更易懂一点：

1.安装nvidia-384：

进入软件更新，附加驱动，选择nvidia-384，之后点击右下角的应用更改，然后输入密码，等它安装：，你也可以通过手动安装驱动安装。

安装成功之后会提示我们重启：

然后我们选择重启。或者参考网址。

重启之后我们进入终端，输入命令：

nvidia-smi

如果能显示出下图类似的信息，则说明安装成功了：

2.检查相关环境配置：

在安装之前我们先更新一下，具体操作如下所示：

之后：

可能需要更新一些东西，我们输入y，然后回车就可以啦。之后系统就会自动下载更新一些东西。装完之后我们会显示如下信息：

就是不报错就可以了，我们接下来做一些测试：

1.验证自己的电脑是否有一个可以支持CUDA的GPU：

你可以在电脑的配置信息中找到显卡的具体型号，如果你是双系统，在windows下的设备管理器中也可以查到显卡的详细信息;在ubuntu下面的话，你可以通过下面这行命令来简单查看一下NVIDIA GPU版本信息：

lspci | grep -i nvidia

2.验证自己的linux版本是否支持CUDA：

uname -m && cat /etc/*release

3.验证系统是否安装了gcc

gcc --version

其实这个刚装完系统的话应该都装好了，但是为了保险起见，你还是可以查看一下，如果你没有安装的话，你可以采取下面的命令对其进行安装：

sudo apt-get install build-essential

4.验证系统是否安装了kernel header和package development:

a.查看正在运行的系统内核版本：

uname -r

b.安装对应kernel版本的kernel header和package development：

sudo apt-get install linux-headers-$(uname -r)

这个的话表示系统中已经有了，不用重复安装。

如果以上各项检查均满足要求的话，接下来就可以正式地进入安装界面了，如果有些地方没有满足要求的话，你需要参考cuda的官方文档，里面有详细的针对每个问题的解决方案。在以下链接中可以找到：https://docs.nvidia.com/cuda/

3.安装cuda：

我们首先进入nvidia的官方cuda9.0下载网页。https://developer.nvidia.com/cuda-90-download-archive

我们按照上述方案进行选择，之后选择下载Base Installer。下载完成之后的话，我们会在ubuntu的下载目录下找到：

但是我一般将其安装在home文件夹下面，所以我需要将其复制到home文件夹下面：

之后的话，我们可以采用MD5检验序号，看看序号是否会对得上：

cuda_9.0.176_384.81_linux.run

可以看到这里的版本是对到的，那么没有什么问题，一切都很正常。接下来的话，我们需要采用runfile安装cuda：

1.禁用nouveau驱动：

lsmod | grep nouveau

可以看到，我的电脑是没有输出的。如果有输出的话则代表nouveau正在加载，我们需要手动禁止掉（由于我的电脑是已经被禁止掉了的，所以下面禁止的方法并没有试验过，大家慎重一点）：

Ubuntu的nouveau禁用方法：

a、在/etc/modprobe.d中创建文件blacklist-nouveau.conf，命令如下：

sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

在文件中输入以下内容：

blacklist nouveau
options nouveau modeset=0

b.执行命令：

sudo update-initramfs –u

之后再次查看是否禁止成功：

lsmod | grep nouveau

若无内容输出，则禁用成功，若仍有内容输出，请检查操作，并重复上述操作。

2.按Alt + ctrl +F1进入命令行界面：

输入自己的用户名以及密码：

这里的话会显示中文乱码，我们可以下载一个包来解决这个问题：

sudo apt-get install fbterm

之后启动它：

sudo fbterm

然后我们进入zhiqianghe这个用户（每个人设定的不同）：

su zhiqianghe

得到下面的界面：

之后我们关闭图形化界面：

sudo service lightdm stop

之后我们再切换到我们cuda文件的位置，在我这里就是在当前目录下，然后我们运行它：

sudo sh cuda_9.0.xx_xx_linux.run

对应自己的文件名称。之后我们进入nvidia的协议里面，需要我们看他的协议：

我们敲回车，敲到100%

之后它显示问我们是不是接受这个东西，我们在终端输入accept。

然后提示是否安装nivdia的驱动，我们不需要安装这个，输入n，之后敲回车：

遇到提示是否安装openGL ，选择no（如果你的电脑跟我一样是双显，且主显是非NVIDIA的GPU在工作需要选择no，否则可以yes），其他都选择yes或者默认即可。（如果您的电脑是双显卡且在这一步选择了yes，那么你极有可能安装完CUDA之后，重启图形化界面后遇到登录界面循环问题：输入密码后又跳回密码输入界面。这是因为你的电脑是双显，而且用来显示的那块GPU不是NVIDIA，则OpenGL Libraries就不应该安装，否则你正在使用的那块GPU（非NVIDIA的GPU）的OpenGL Libraries会被覆盖，然后GUI就无法工作了。）

安装成功后，会显示installed，否则会显示failed。

之后我们重新启动图形化界面：

sudo service lightdm start

如果能够成功登录，则表示不会遇到循环登录的问题，基本说明CUDA的安装成功了。如果不能进入的话，参考以下方案，否则跳过：

如果你遇到了重复登陆情况，不用急着重装系统，官方教程上有提及，原因上一步的注中有提及，在安装openGL时你可能不注意选择了yes，请卸载cuda,然后重装。
卸载：由于登陆进入不到图形用户界面（GUI），但我们可以进入到文本用户界面(TUI)

在登陆界面状态下，按Ctrl + Alt + f1,进入TUI
执行
$ sudo /usr/local/cuda-9.0/bin/uninstall_cuda_9.0.pl
$ sudo /usr/bin/nvidia-uninstall
然后重启
$ sudo reboot
重新安装.run 再次安装时请一定留意，在提示是否安装OpenGL时，你的是双显卡应该选则n。

进入ubuntu之后我们重启电脑：

sudo reboot

之后检查Device Node Verification

ls /dev/nvidia*

包含一个类似/dev/nvidia-uvm的，则安装成功。

大多数结果可能会是这样
ls: cannot access/dev/nvidia*: No such file or directory
或是这样的，只出现
/dev/nvidia0 /dev/nvidiactl
a中的一个或两个，但没有/dev/nvidia-num，即文件显示不全。
不用着急也不用急着重装系统（我在安装时就是这种情况），官方指导中有详细的解决方案，但是我的方法和官方稍微有些出入。

首先要添加一个启动脚本（添加启动脚本的方法大致有两种，我采用最直接的方法，另一种可以先创建一个文件然后通过mv的方式移动到启动文件夹下，可自行百度）
执行
$ sudo vi /etc/rc.local
如果你是第一次打开这个文件，它应该是空的(除了一行又一行的#注释项外)。这文件的第一行是
#!/bin/sh -e
把-e去掉（这步很重要，否则它不会加载这文本的内容）
然后把下列内容除了#!/bin/bash外复制到其中，(before exit 0 )保存退出。

#!/bin/bash
/sbin/modprobe nvidia
if [ "$?" -eq 0 ]; then
# Count the number of NVIDIA controllers found.
NVDEVS=`lspci | grep -i NVIDIA`
N3D=`echo "$NVDEVS" | grep "3D controller" | wc -l`
NVGA=`echo "$NVDEVS" | grep "VGA compatible controller" | wc -l`
N=`expr $N3D + $NVGA - 1`
for i in `seq 0 $N`; do
mknod -m 666 /dev/nvidia$i c 195 $i
done
mknod -m 666 /dev/nvidiactl c 195 255
else
exit 1
fi
/sbin/modprobe nvidia-uvm
if [ "$?" -eq 0 ]; then
# Find out the major device number used by the nvidia-uvm driver
D=`grep nvidia-uvm /proc/devices | awk '{print $1}'`
mknod -m 666 /dev/nvidia-uvm c $D 0
else
exit 1
fi
下次重启时，你应该能直接看到/dev目录下的三个nvidia的文件
输入：$ ls /dev/nvidia*
结果显示：/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm

成功！

由于我这里是一次成功，所以上述方案仅供参考，并没有实践过。

接下来我们设置环境变量：

sudo gedit /etc/profile

上述命令会打开一个文件，我们在末尾添加两行：

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

我这里装的是cuda9.0如果你们装的不是的话，这个cuda-9.0这个目录就还得改一下。

如果是32位系统的话：

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

之后我们选择重启电脑：

sudo reboot

a.之后我们检查上述环境是否设置成功：

cat /proc/driver/nvidia/version

得到上述结果。

b.再验证CUDA Toolkit:

nvcc -V

得到下图结果：

如果你的是：

The program 'nvcc' is currently not installed. You can install it by typing:
sudo apt-get install nvidia-cuda-toolkit

这样的话，那就表明环境变量没有添加成功，你需要按照上文中说的添加环境变量，再去添加一下。

接下来我们尝试编译一下cuda的例子：

我们首先需要进入NVIDIA_CUDA-9.0_Samples这个文件夹下面，在这下面打开终端，然后make一下：

我这里的话也是一次就成功了，如果出现没有gcc报错的话，我们可以安装一下：

 sudo apt-get install gcc

如果编译成功，最后会显示Finished building CUDA samples，如下图所示：

之后的话，我们运行编译生成的二进制文件：进入到这个NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release文件夹下面，输入：./deviceQuery

./deviceQuery

结果如下图所示：看到类似如下图片中的显示，则代表CUDA安装且配置成功，其中 Result = PASS代表成功,若失败 Result = FAIL：

最后再检查一下系统和CUDA-Capable device的连接情况：

终端输入： $

./bandwidthTest

看到类似如下图片中的显示，则代表成功：

4.安装cudnn：

我们需要进入nvidia的官网：https://developer.nvidia.com/rdp/cudnn-archive，区选择我们需要的版本：

然后提示我们登录，有帐号的话就登录，没有的话就注册一个：

之后我们点击上图的安装包进行下载：

我们将其解压，解压之后名称会变为cuda：

之后我们将其移入home文件夹下面，然后进入cuda的include文件夹下面，执行下面这个命令复制头文件：

sudo cp cudnn.h /usr/local/cuda/include/

之后在终端进入cuda/lib64文件夹下面，运行以下命令：

#复制动态链接库

sudo cp lib* /usr/local/cuda/lib64/

#删除原有动态文件

cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.7

#生成软衔接

sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7

#生成软链接

sudo ln -s libcudnn.so.7 libcudnn.so

随后需要将路径/usr/local/cuda/lib64 添加到动态库：

sudo gedit /etc/ld.so.conf.d/cuda.conf

在打开的文件里面输入：

/usr/local/cuda/lib64

终端下接着输入命令使链接生效：

sudo ldconfig

之后查看一下是否链接成功：

sudo ldconfig -v

可以看到，我们这里是有这个文件的。ldconfig命令的用途主要是在默认搜寻目录/lib和/usr/lib以及动态库配置文件/etc/ld.so.conf内所列的目录下，搜索出可共享的动态链接库（格式如lib*.so*）,进而创建出动态装入程序(ld.so)所需的连接和缓存文件。

之后用下面这个命令查看是否安装成功：

5.安装Tensorflow：

我们首先看一下有没有python：

一般都有，没有的话安装一下：

之后安装一下pip：

sudo apt-get install python-pip

更新一下pip:

sudo pip install -U pip

安装tensorflow-gpu 1.9.0：

sudo pip install tensorflow-gpu==1.9.0

之后进入python输入以下命令：

import tensorflow as tf
print(tf.__version__)

我的微信公众号名称：深度学习与先进智能决策
微信公众号ID：MultiAgent1024
公众号介绍：主要研究强化学习、计算机视觉、深度学习、机器学习等相关内容，分享学习过程中的学习笔记和心得！期待您的关注，欢迎一起学习交流进步！