深度学习的搭建

(2)安装驱动
开始安装驱动，记住驱动的.run文件的下载路径和完整文件名（如果版本号不同，请自行修改），注销账户，按Ctrl+Alt+F1进入命令界面，登入，注意不同的操作系统可能有些微的区别Ctrl+Alt+F1到F4可以试试
$ sudo service lightdm stop
这一步可能出错说服务没找到，要下载包，执行$sudoaptinstalllightdm在执行$ sudo service lightdm stop
$ sudo init 3
$ sudo sh /path/NVIDIA-Linux-x86_64-390.42.run -no-x-check -no-nouveau-check -no-opengl-files
这一步是要有gcc的，如果没有会报错，执行$sudo apt install gcc,再执行一遍上一步命令就可以
$ sudo service lightdm start
这里是关闭x server，nouveau和不下载opengl文件，安装complete后用

(3)验证驱动是否成功安装
$ nvidia-smi
输入之后就会打印显卡驱动的信息
2.安装cuda9.0
(1)>>sudo sh cuda_9.0.176_384.81_linux.run
会跳出一堆类似“用户须知”的东西，直接按ctrl+c跳过后会出现一行字符问你是否accept，输入accept后回车就可以了
之后会出现一行接一行的字符让你选择yes或者no，如下图，其中第一项问你“Install NVIDIA Accelerated Graphics Driver…？”这里一定要选择n，这是要安装显卡驱动我们之前装过，这里不用装，其他选择y就可以

(2)配置环境变量
之后配置环境变量，终端输入：
sudo gedit ~/.bashrc
在打开的文件最后加上：
export PATH=/usr/local/cuda-9.0/binKaTeX parse error: Expected '}', got 'EOF' at end of input: {PATH:+:{PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64KaTeX parse error: Expected '}', got 'EOF' at end of input: …LIBRARY_PATH:+:{LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-9.0
保存退出后，在终端输入：
source ~/.bashrc
之后在终端输入：
sudo gedit /etc/profile
打开profile文件后，在末尾也加上上边两行内容：
export PATH=/usr/local/cuda-9.0/binKaTeX parse error: Expected '}', got 'EOF' at end of input: {PATH:+:{PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64KaTeX parse error: Expected '}', got 'EOF' at end of input: …LIBRARY_PATH:+:{LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-9.0
保存退出，reboot重启系统安装结束。
验证是否安装成功，在终端打开deviceQuery文件夹：
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
依次输入：
sudo make
这一步执行源码编译的时候，需要有g++,make等软件，没有会报错，执行$sudo apt install make g++下载软件包
./deviceQuery
若result=PASS则说明安装成功。

(3)验证驱动版本
$ cat /proc/driver/nvidia/version
$ nvcc -V
以上两条命令执行会有对应的版本号打印出来

3.安装cudnn
解压：tar -zxvf cudnn-9.0-linux-x64-v7.tgz
得到如下列表：
cuda/include/cudnn.h
cuda/NVIDIA_SLA_cuDNN_Support.txt
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.7
cuda/lib64/libcudnn.so.7.0.4
cuda/lib64/libcudnn_static.a
将 include、lib64复制到cuda目录下：
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
切换到到本地cuda路径，创建软连接，终端输入：
$ cd /usr/local/cuda/lib64
$ sudo chmod +r libcudnn.so.7.0.4
$ sudo ln -sf libcudnn.so.7.0.4 libcudnn.so.7
$ sudo ln -sf libcudnn.so.7 libcudnn.so
$ sudo ldconfig

查询cudnn的版本

4.安装tensorflow
(1)python的处理
Ubuntu16.04自带python3.5和python2.7，如果在命令窗里输入python，就会进入python2.7，如果在命令窗里输入python3或者python3.5，就会进入python3.5。我觉得python3.5就可以了，就没有升级python3.6。你要是想用某一个python版本，要确保输入python3后能进入到相应的版本。

(2)接下来我们安装pip，更明确的说是pip3。输入指令：
sudo apt-get install python3-pip
然后输入pip3 -V查看一下版本，一定要检查确认该pip从属于python3.5，也就是你想要用的那个python版本，否则后面安装的一些库都是别的python版本的，你要用的python版本就调用不了了。

然后在输入：
pip3 install tensorflow-gpu
等待安装完毕，之后可能提醒你权限不够，就在命令后面加上–user再运行一遍就可以了。
如果你想安装指定版本的tensorflow，比如1.10.0版的，可以这么写：
pip3 install tensorflow-gpu==1.10.0
尝试调用tensorflow，输入：
$python3
import tensorflow as tf
tf.version
能正确打印tensorflow的版本号，大功告成。

5.安装Pytorch
进入Pytorch官网，选择好版本、系统类型、包类型、语言、cuda版本之后下面有提示该怎么进行下载，
pip3 install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-linux_x86_64.whl
pip3 install torchvision
上面下载的是稳定版1.0，Linux系统，pip包，python3.6，cuda10.0的
pytorch版本查看
$python3
Import torch
print(torch.version)
顺利打印出来版本号，顺利安装完成

安装以及报错参考：

https://blog.csdn.net/qq_34374211/article/details/81018320
https://blog.csdn.net/macunshi/article/details/84749270
https://blog.csdn.net/macunshi/article/details/83374973
https://blog.csdn.net/macunshi/article/details/84638675
https://developer.nvidia.com/cuda-toolkit-archive