ubuntu16配置GPU深度学习环境、CUDA、cuNDD等

1、准备

1. 请先看好各种软件的版本对应要求，这仨一定要对应好。

     [Tensorflow不同版本要求与CUDA及CUDNN版本对应关系](https://blog.csdn.net/omodao1/article/details/83241074)
   

2. 知道要下哪些版本了，就预先做好各种软件下载工作。
   首先下载好英伟达的驱动 NVIDIA驱动下载
   注意！！！下载好跟自己显卡对应的驱动。显卡的产品类型、系列那些如果之前已经装好了驱动，则可以通过命令 nvidia-smi查询到。没有装刚买来就自己查。
   
   即使你的机器之前已经装过驱动，那也最好重新装一遍驱动，因为那个CUDA一定要对应起来。不然后面有坑！

   下载CUDA，链接 cuda-toolkit-archive
   
   请注意这里一定要选择下载runfilw文件，不是deb！，不然会覆盖之前的显卡驱动带来问题。
   
   最后下载cuDNN，cuDNN下载地址，我下的7.0.5版本
   

   2、安装驱动

   2.1、正常装驱动。

   按ctrl+alt+f2（有的是f1）进入字符界面命令行，先删除以前的驱动：

   sudo apt-get purge nvidia*
   sudo apt-get autoremove

   禁止自带的nouveau nvidia驱动：

   # 打开配置文件
   sudo vim /etc/modprobe.d/blacklist-nouveau.conf

   添加以下内容：

   blacklist nouveau
   options nouveau modeset=0

   再更新一下：

   sudo update-initramfs -u

   最后需要进行重启。查看下Nouveau是否已经禁止，无输出则为成功：

   lsmod | grep nouveau

   按ctrl+alt+f2，接着关闭图形化界面：

   sudo service lightdm stop

   然后准备开始装驱动了。

   sudo sh NVIDIA-Linux-x86_64-XXX.run  –-no-opengl-files

   然后重新打开图形界面：

   sudo service lightdm start

   再ctrl+alt+f7进入图形界面，再测试下驱动是否装好：

   nvidia-smi

   安装完成后，重启:

   sudo reboot

   在命令行通过nvidia-smi还可以查看到驱动的话就没有问题了，以上皆为顺利的过程。

2.2、意外情况

当然我装的时候是遇到了个大坑的。我看到之前机器上装好了驱动就没管，然后开始装后面的CUDA，结果下的CUDA又是deb的包，导致安装中覆盖了之前的驱动，然后ubuntu打开正确输入密码也无法进入桌面了。

2.2.1 安装libelf-dev

于是我又修复，倒回到2.1开始，清理驱动，重装。中间在执行sudo sh NVIDIA-Linux-x86_64-XXX.run –-no-opengl-files的时候还遇到了build出错，如图：

打开他提示的nvidia-installer.log看，里面提示了很多

这里还挺好的提示了请安装libelf-dev这种信息，于是我又去下载 libelf-dex安装包。本来我只下了1那个，然后输入命令安装：

sudo dpkg -i libelf-dev_0.165-3ubuntu1_amd64.deb

很无情的又报了个错，提示amd64 system is ….ubuntu1.1，于是我又下了2那个更新包，再dpkg安装。

终于顺利给装上了，没有报错了。

2.2.2 gcc和g++版本问题

前面的装好了，我又准备执行sudo sh NVIDIA-Linux-x86_64-XXX.run –-no-opengl-files 来着，然而还有问题，又通过命令查看log信息，sudo vim nvidia-installer.log。

这个问题就是由于gcc和g++版本太低编译不过导致的，因为我看之前有个教程是将这个版本降低了方便CUDA编译来着。但其实我这是CUDA9.0，CUDA9要求GCC版本是5.x或者6.x，其他版本不可以，需要自己进行配置。我之前就是5.5的版本，就不该降级。好的现在再根据那篇博文给换回来。
ubuntu 16.04 LTS 降级安装gcc 4.8

2.2.3 装好驱动

在sh NVIDIA-Linux-x86_64-XXX.run安装就可以了，哎哟喂真是不容易啊。。。
然后我再重启，输入密码，终于可以进入桌面了呀，感动到哭。。。

3、安装CUDA

1. 安装CUDA
   打开终端，执行命令，运行run文件：

   sudo sh cuda_9.0.176_384.81_linux.run

   注意提示，前面是一些法律信息啥的，enter过去就好。到后面提示是否安装图像驱动的时候，一定选择no ！！！
   
   后面的一些提示选择y就行。出现下图，就表示安装完成。
   
   如果出现其他问题，可能是某些依赖库没装好，反正我是没遇到。可以试试安装依赖，然后重启再试试。

   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 libopenblas-dev liblapack-dev libatlas-base-dev
   sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

1. 配置环境变量

   sudo gedit ~/.bashrc

   打开文件后在最后写入：

   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}}

   然后点save后关闭在source一下生效：

   source ~/.bashrc

2. 测试一下CUDA是否安装成功

   # 第一步，进入例子文件
   cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
   # 第二步，执行make命令
   sudo make
   # 第三步
   ./deviceQuery

   有提示GPU信息，就表示可以了。

4、安装cuDNN

安装命令：

sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.5.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.5.11-1+cuda9.0_amd64.deb

安装完以后需要进行测试是否安装成功，出现了“Test passed! ”，这几步我都没啥问题：

cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

5、安装TensorFlow-gpu

卸载以前的TensorFlow，我的python环境是3.6

pip3 uninstall tensorflow

然后重新装gpu版本就可以，注意我要用的是TensorFlow-gpu1.7版本，这个跟前面的都是对应的！

pip3 -i https://pypi.tuna.tsinghua.edu.cn/simple/ install tensorflow-gpu==1.7.0

跑程序的时候，自动就调用了gpu进行计算，学习起来快了6、7倍，真的是开心啊~

6、总结

1. 最关键的问题就是软件各个版本要对应好
2. 注意先装驱动再CUDA再cuDNN，总之就是驱动要先搞好，不然就会有我那种意外。
3. CUDA一定下载runfile文件。

7、reference

Ubuntu18.04深度学习GPU环境配置
我进不了桌面，也连不了网，所以都是自己拿另外的电脑下了U盘弄过去的。
ubuntu中使用终端查看U盘里的内容
ubuntu 16.04 LTS 降级安装gcc 4.8
Tensorflow不同版本要求与CUDA及CUDNN版本对应关系
最后感谢各个外援~