Ubuntu18.04安装CUDA10.1和cuDNN v7.6.5

前言

深度学习需要使用使用GPU加速，在安装tensorflow之前需要根据选用的版本安装
就我的经验而言，CUDA的安装在Linux上比Windows10上的安装坑多了些。一开始使用Ubuntu18.04.4安装CUDA两次都失败了，查找原因是Ubuntu18.04.4内核不满足要求，因此在安装之前一定要首先查看官方的安装文档，不需要首先安装显卡驱动，安装CUDA时会自动安装一个NVIDIA的显卡驱动。

安装前准备

根据官方文档的介绍，在安装前检查操作系统环境。

1. 验证GPU

$ lspci | grep -i nvidia

2. 验证Linux版本信息

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

3. 验证是否安装gcc编译器

$ gcc --version

如果没有安装，需要首先安装gcc
4. 验证系统内核

$ uname -r

安装CUDA

在官方网站找到所需版本进行下载安装。
选择完成后，在官方页面中Base Installer栏中会显示安装的具体步骤。
这里也可以选择runfile安装方式，据说坑会少点。

在第二步时，只需要将替换为自己的版本即可，或者在第一步完成后，最后会提示下一步安装命令，复制执行即可，接下来仍然按照Base Installer3、4步骤来就可以。

CUDA相关配置修改

安装完成后需要重启，才能使安装生效。
重启完成后，验证显卡驱动是否完成：

$ nvidia-smi

如果打印出显卡信息，表示安装成功。
然后验证CUDA是否安装成功。

$ nvcc -V

如果提示

Command 'nvcc' not find ,but can be installed with:
sudo apt install nvidia-cuda-toolkit

千万不要直接执行这个提示的命令，有可能只是没有将CUDA的编译器添加到环境变量中。
进入/usr/local中查看是否包含有cuda-10.1的目录：

$ cd /usr/local/
$ ls

如存在cuda-10.1目录，进入此目录，运行nvcc查看cuda是否安装成功：

$ cd cuda-10.1
$ ls
$ ./bin/nvcc -V

打印如下信息表明安装成功

最后将nvcc编译器添加到环境变量中：

$ vim ~/.bashrc

在其中添加：

使配置文件生效

$ source ~/.bashrc

安装cudnn

官方下载cudnn，下载cudnn需要注册账号，然后选择匹配CUDA版本的cudnn下载，有两种安装方式，下载黑色框文件使用tar方式安装，下载红色框使用deb方式安装，第二种方法包含测试用例。参考官方安装教程。

方法一

1. 解压缩

$ tar -xzvf cudnn-10.1-linux-x64-v7.6.5.32.tgz #这里的安装包需要替换为自己下载的版本

2. 复制文件

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

3. 修改文件权限

$ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

4. 添加环境变量，打开配置文件：

$ vim ~/.bashrc

添加如下环境变量：

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

使配置生效：

$ source ~/.bashrc

方法二及其包含的测试用例

1. 安装运行时库:

$ sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb

2. 安装开发者库:

$ sudo dpkg -i libcudnn8-dev_7.6.5.32-1+cuda10.1.deb

3. 安装代码示例和cuDNN库文档:

$ sudo dpkg -i libcudnn8-doc_7.6.5.32-1+cuda10.1.deb

4. 测试

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

如果cuDNN正确安装，将会打印出如下信息:

Test passed!

后记

没有安装经验的小伙伴，安装之前一定要多看一些安装教程，对过程有熟练的了解，再开始实际安装，enjoy coding.