Ubuntu16.04+1080ti+cuda9.0+cudnn7.04+tensorflow1.6配置

关于如何安装Ubuntu16.04以及显卡驱动、网卡驱动问题，你可以阅读这三篇篇

Dell Alienware Aurora R6 （1080ti）安装Ubuntu17.04记录（解决显卡驱动、系统安装）

Ubuntu17.04+1080ti+cuda9+cudnn7+tensorflow1.4/1.3配置（解决cuda9和tensorflow1.4/1.3不兼容）

深度学习主机配置：Ubuntu16.04+1080ti+cuda8+cudnn6+tensorflow1.3（解决Ubuntu16.04无线网卡驱动）

请对照选项，解决相应的问题。这里我要强调一点显卡驱动现在可以安装387（推荐安装）。这里要说的一点是：请查清楚对应显卡驱动的稳定版本

我这篇文章的目的是希望给你提供一个正确的安装思路，不是对于一些问题的特解，而是一个更加广泛的解决思路。

首先，我要先说几个重点

• 不要安装非长期支持的Ubuntu版本（17.04，17.10）
• tensorflow版本请和cuda、cudnn配套

关于第一点，如果你安装了非长期支持的版本（非LTS），那么你会面临的问题就会非常多。一般非长期支持版本的支持时间为1年，而长期版本的支持时间为5年。如果过了这个时间的话，不会得到软件更新支持。所以对于那些安装了这些版本的人，我建议你们还是重装系统，免得以后麻烦。这里要说的是，关于Ubuntu 18.04LTS的发布问题。我同要不推荐你安装，因为由于系统版本过新，所以相应的tensorflow和cuda都还没有支持。

关于第二点问题，这是本次安装的重点。你可以看到我在文章的标题写的也很详细。这是因为，你一定要对应版本匹配，否则会出现一些问题。

我们这里使用cuda9.0，注意不是cuda9.1。因为如果你通过搜索访问cuda的话，nvidia官方默认会提供给你的是最新的发布版本，但是tensorflow一般都还没有支持最新版本。这也是我要强调的：请查清楚你的tensorflow版本对应的cuda版本

你可以通过在nvidia开发者官网内搜索，找到你想要的版本

这里关于cudnn的安装同样，我们这里选择cudnn7.04的原因是：这是tensorflow1.6可以支持的最高版本。

如果你安装错了，可以通过如下命令消除

sudo rm /usr/local/cuda/include/cudnn.h 
sudo rm /usr/local/cuda/lib64/libcudnn*

对于上面的方法，根据你安装文件夹的不同做相应调整。

安装cuda时一个有用的操作：我们在安装好cuda后，会编辑相应的.bashrc文件，我推荐你这样去写

#cuda
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}} 
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} 
export CUDA_HOME=/usr/local/cuda

你注意到，我在写的时候export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}，我没有将cuda写成相应的cuda版本。如export PATH=/usr/local/cuda9.0/bin${PATH:+:${PATH}}。这样写的好处是，我们只要将usr/local目录下的不同版本的cuda通过软连接，去链接就可以了，不用再每次安装不同的cuda后，去修改相应的.bashrc文件。

通过如下命令建立一个cuda->cuda-9.0的连接。

sudo ln -s cuda-9.0 cuda

还要提醒你要注意的一点是，安装tensorflow时，不要忘记后面的-gpu选项。

sudo pip install tensorflow-gpu

最后我要说的是，不要认为现在装好了就万事大吉了，因为如果cuda和tensorflow都支持了Ubuntu 18.04LTS的话，你最好重装系统，安装Ubuntu 18.04LTS。因为很多后来发表的文章对应的代码，都会使用最新的软件编写(●’◡’●)。另外，我也不推荐你使用python 2.7，因为python2.7到2020年，就不再支持相应的维护了。

所以以上软件，你最好安装对应的python 3.x版本。

都2018年了，你不用python 3.x，你不用c++11/14/17，还在用那些过时的东西，你是真的out了。当然了，学习的过程肯定是从古典到现代的^_^ !!!