Ubuntu16.04LTS+CUDA8.0+cuDNN5.1+Anaconda3(python3.6)+tensorflow_gpu-1.2.1安装过程全记录

最近搭建了一台用于深度学习的服务器，其中过程颇为曲折，在网上参考了众多博客后写下此文。参考的博客有：

[1]http://blog.csdn.net/ZWX2445205419/article/details/69429518

[2]http://blog.csdn.net/abc869788668/article/details/78331047?locationNum=1&fps=1

[3]http://blog.csdn.net/u010899985/article/details/59482825

[4]http://blog.csdn.net/u014595019/article/details/53732015

[5]http://blog.csdn.net/masa_fish/article/details/51882183

[6]http://blog.csdn.net/iotlpf/article/details/54175064

一、安装环境说明

首先在服务器中已经装好了Ubuntu16.04LTS系统，关于ubuntu系统的安装细节网上教程很多，此文不再赘述。

软件	版本	下载链接	说明
Ubuntu系统	Ubuntu16.04 LTS	http://blog.csdn.net/a llenlzcoder/article/de tails/77449467
CUDA	cuda_8.0.61_375.26_linux.run	最新版本链接：https:// developer.nvidia.com/c uda-downloads 历史版本链接：http://blog.csdn .net/allenlzcoder/artic le/details/78649724	NVIDIA推出的使用GPU资源进行通用计算的SDK
cuDNN	cudnn-8.0-linux-x64-v5.1.tgz	官网下载(需注册账号)： https://developer.nvidia. com/rdp/cudnn-download 百度网盘：https://pan.b aidu.com/s/1miodWqG	cuDNN的版本要与CUDA 的版本匹配
Anaconda3	Anaconda3-5.0.1-Linux-x86_64.sh	官网下载：https://www. anaconda.com/downlo ad/#linux	Anaconda中集成了很多 python库，安装方便，强烈推荐
TensorFlow	tensorflow_gpu-1.2.1-cp36-cp36m-linux_x86_64.whl	https://storage.googlea pis.com/tensorflow/linu x/gpu/tensorflow_gpu- 1.2.1-cp36-cp36m-linux_x86_64.whl	1.3的编译版本是用NVIDIA的 cuDNN 6编译的，1.2.1用的是cuDNN 5.1

二、安装显卡驱动

在终端中输入以下命令查看看显卡驱动：lsmod | grep -i nvidia。这时会输出默认的ubuntu自带的驱动nouveau的相关信息。首先要换显卡驱动。

在ubuntu16.04中，更换驱动非常方便，去系统设置->软件更新->附加驱动->切换到最新的NVIDIA驱动即可。应用更改->重启。如图1所示(图1系转载)：

图1：选择NVIDIA显卡的专用驱动

在命令行中输入：nvidia-smi。若输出类似下图2(图2系转载)所示的信息，则证明驱动安装成功。

图2：显卡驱动的相关信息

在有的博客中看到说这种方法安装的驱动版本不是最新版本，会导致后面运行CUDA例子时报错，但我在安装时可以自动识别出最新的驱动版本384，在后面跑CUDA samples时也没有问题。其他安装驱动的方法可以见参考链接[6]。

之所以要提前安装显卡驱动而非在安装CUDA时安装显卡驱动的好处是可以简化安装步骤，省掉了禁止nouveau的这一步。只不过要注意，在后面安装CUDA时要选择是否安装显卡驱动，那时候要选择NO!

三、检查自己的电脑环境是否具备安装CUDA的条件(首先下载一份CUDA8.0官方安装文档，并按照上面的要求一步步的来，且不可偷懒！！！)

3.1检查自己的GPU是否是CUDA-capable

在终端中输入：$ lspci | grep -i nvidia ，会显示自己的NVIDIA GPU版本信息，类似图3中的信息(图3系转载)。

图3：GPU信息

去CUDA的官网查看自己的GPU版本是否在CUDA的支持列表中。GTX1080是支持安装CUDA8.0的。

3.2检查自己的Linux版本是否支持 CUDA

CUDA开发工具只支持几个特定的Linux发行版本。具体信息如图4所示。

图4：CUDA8.0支持的软件版本

Ubuntu16.04LTS是支持CUDA8.0的。如要查看自己系统的信息，在命令行中输入：

$ uname -m && cat /etc/*release

输出信息类似图5所示(图5系转载)：

图5：操作系统信息

3.3检查自己的系统中是否装了gcc

在终端中输入：$ gcc --version 可以查看自己的gcc版本信息，ubuntu16.04自带的gcc版本是5.4.0，由图2中的信息可知最高支持版本是5.3.1，这里需要对gcc进行降版本操作，这里降为5.3.0版的。

3.3.1下载gcc的源码，网址：http://gcc.gnu.org/mirrors.html

3.3.2将源码放到某个文件夹中，然后进入此文件夹，解压之：tar -zxvf gcc-5.3.0.tar.gz

3.3.3下载编译所需依赖项：

cd gcc-5.3.0 //进入解包后的gcc文件夹

./contrib/download_prerequisites //下载依赖项

cd .. //返回上层目录

3.3.4建立编译输出目录：mkdir gcc-build-5.3.0

3.3.5进入输出目录，执行以下命令，并生成makefile文件：

cd gcc-build-5.3.0
../gcc-5.3.0/configure --enable-checking=release --enable-languages=c,c++ --disable-multilib

3.3.6编译：sudo make -j4。接下来就是等待了，最好不要在编译过程中再去做别的什么事，整个过程CPU都是满载的，要是莫名终止了，后面麻烦事也不少。

3.3.7编译结束以后，可以执行安装：sudo make install

3.3.8检查gcc和g++版本，命令分别是：gcc --version、g++ --version，若输出信息均为5.3.0则正确。

PS:以上8步搞完后，应该是不对的，gcc的版本并未改变，当时是又问了实验室的一位资深工程师才解决的，待我问好之后，就回来更新。。。。。。

3.4 检查是否安装了正确版本的Kernel Headers和Development Packages

# 查看核
$ uname -r
# 为当前核安装kernel headers和development packages
$ sudo apt-get install linux-headers-$(uname -r)

经检查，我的ubuntu中的kernel是4.4.0版本，刚好符合图4中的要求。在这一步并未有其他操作。

3.5选择一种安装方式

下载cuda安装包：cuda官网下载，根据系统信息选择对应的版本，runfile安装的话最后一项要选择 runfile文件。看到其他博客上说另一种安装方式坑太多，所以采用runfile方式安装。具体的选择如图6所示。

图6：选择与系统对应版本的CUDA

选完后会紧接着出现下一张图7中的信息。

图7：CUDA的下载链接

此时会出现两个下载选项Base Installer和Patch 2，Patch 2应该是和补丁，但怎么用这个补丁没有在别人的博客中见到过，我也不想做第一个吃螃蟹的人，所以就没下(如果大家知道怎么用这个补丁，欢迎在评论中指教~~~) 。注意看第二个红圈，这就是相应版本CUDA的官方安装指南~~~

注意：如果之前装过cuda的其他版本，则还要处理潜在的冲突问题，具体请见CUDA8.0官方安装文档中的2.7小节中的内容，因为我的是新机器，此处略过~~~

四、安装CUDA和cuDNN

4.1运行CUDA的可执行文件

进入到该文件的目录下，在命令行中输入：sudo sh cuda_8.0.61_375.26_linux.run

然后会出现很多选项，让你选择：

Do you accept the previously read EULA?

accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48?

(y)es/(n)o/(q)uit: 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

如上所示，简单而言：除了在是否选择安装显卡驱动时选择n(因为之前已经装过了)，其他均选择y。

4.2在系统环境中设置CUDA的环境变量

在命令行中输入：sudo gedit /etc/profile，打开文件后在文件末尾添加路径，也就是安装目录，命令如下：
　　　　export PATH=/usr/local/cuda-8.0/bin:$PATH
　　　　export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64$LD_LIBRARY_PATH　　
　　保存，然后重启电脑：sudo reboot

测试CUDA的例子，在命令行中输入：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
如果显示的是关于GPU的信息，类似图8(图8系转载)则说明安装成功了。

图8：验证CUDA是否装好的一个例子

4.3安装cuDNN

cuDNN下载相应版本，cd到下载的文件目录下，解压：tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz。解压在下载目录下产生一个cuda目录，然后执行以下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include //复制头文件
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 //复制库文件
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* //给所有用户赋予读的权限

然后重置cuDNN相应的符号链接(此步骤必不可少！否则无法正确安装cuDNN！)：

cd /usr/local/cuda/lib64/ //进入到cuda库文件的目录下
sudo rm -rf libcudnn.so libcudnn.so.5 //删除原先的符号链接
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 //建立新的软连接
sudo ln -s libcudnn.so.5 libcudnn.so //建立新的软连接

至此，CUDA和cuDNN的安装已经完成！最复杂的问题已经解决！不要停下来，继续向前！

五、安装Anaconda和TensorFlow

5.1安装Anaconda

到官网上下载好Anaconda的安装包，拷贝到某个文件夹下，然后cd至此目录中，我是以root用户安装的，故在执行安装命令前首先切到了root用户下，再输入：bash Anaconda3-5.0.1-Linux-x86_64.sh。注意：在安装过程中选择是否把Anaconda的路径加入到环境变量中时，选择是；然后把Anaconda的安装地址改为了/usr/local/。

这样安装完成后，只是root用户的python版本变成了python3.6，其余用户还是ubunt自带的python2.7，为了让所有用户都能用python3.6。需要执行下面的命令：sudo gedit /etc/profile，在文件的末尾加一句：

export PATH=/usr/local/anaconda3/bin:$PATH

然后保存退出，重启电脑后，所有的用户的python版本全成了python3.6。至此，python已经装好了，还差一步！

5.2安装GPU版的TensorFlow

首先建立一个conda计算环境，命令：conda create -n tensorflow。激活环境 : source activate tensorflow。然后cd至TensorFlow安装包的目录下：pip install tensorflow_gpu-1.2.1-cp36-cp36m-linux_x86_64.whl，相关依赖项会自动安装。ps:我在安装TensorFlow时并不是用的root用户，所以在root用户下无法import tensorflow......

等到安装完TensorFlow后，输入source deactivate tensorflow，退出安装环境。

ALL ARE OVER!!!

感谢网上的各位前辈们的辛苦的探索和分享的宝贵的经验！！！