原创博客，转载请说明出处！ (本人第一篇博客，用心之作，有用求赞)
首先得感谢一篇博客的作者yhao：点击打开链接 （http://blog.csdn.net/yhaolpz/article/details/71375762） 他提供了很详细的基于CUDA 8.0 的安装过程。由于我需要安装的是CUDA 9.1+cuDNN v7+OpenCV 3.4.0，照搬CUDA 8.0的安装过程会有很多错误出现，通过我的不断探索也已一一解决（官方安装文档+stackover+Nvidia官方论坛+各种搜和问），而且给出了很多可能出现问题的解决方法。我还添加了很多配置过程的说明，让大家知其然也知其所以然。
我的安装硬件是两块 TITAN Xp 显卡。
安装过程分为以下八步：
1、安装依赖包
2、安装显卡驱动
3、配置环境变量
4、安装 CUDA 9.1
5、安装 cuDNN v7
6、安装 OpenCV 3.4.0
7、安装 caffe
8、用 mnist 手写数据集验证
9、在PyCharm上运行caffe
10、补充（持续更新）
第一步：安装依赖包
这一步和yhao的博客基本相同，安装后续步骤或环境必需的依赖包，按ctrl+ALT+T进入终端，依次输入以下命令（可复制）:
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
sudo apt-get install git cmake build-essential
有一定几率安装失败而导致后续步骤出现问题，所以要确保以上依赖包都已安装成功，验证方法就是重新运行安装命令，如验证 git cmake build-essential是否安装成功共则再次运行以下命令：
sudo apt-get install git cmake build-essential Reading package lists... Done
Building dependency tree
Reading state information... Done
build-essential is already the newest version (12.1ubuntu2).
cmake is already the newest version (3.5.1-1ubuntu3).
git is already the newest version (1:2.7.4-0ubuntu1.3).
0 upgraded, 0 newly installed, 0 to remove and 126 not upgraded.
假如有安装包一直下载失败，可以使用：
Ubuntu 16.04 自带
nouveau显卡驱动，这个自带的驱动是不能用于CUDA的，需要卸载重装。假如你以重装过显卡驱动则可跳过这一步。没有重装过的就跟着我的步骤往下走。
sudo apt-get update 第二步：安装显卡驱动
首先得禁用Ubuntu自带的显卡驱动nouveau，只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动，禁用方法就是在 /etc/modprobe.d/blacklist-nouveau.conf 文件中添加一条禁用命令，首先需要打开该文件，通过以下命令打开：
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
打开后发现该文件中没有任何内容，写入：
blacklist nouveau
options nouveau modeset=0
保存时命令窗口可能会出现以下提示：
** (gedit:4243): WARNING **: Set document metadata failed: 不支持设置属性 metadata::gedit-position
无视此提示～，保存后关闭文件，注意此时还需执行以下命令使禁用 nouveau 真正生效：
sudo update-initramfs -u
然后测试一下，假如输入以下命令什么都没显示那么说明禁用nouveau生效了：
lsmod | grep nouveau
接下来就可以开始重装显卡驱动了。
特别注意！！！！！！！！！！！！！！
虽然CUDA 9.1 安装包里说需要安装384.00版本之后的驱动，但是亲测384.98和384.111都是不支持CUDA 9.1的，这也在NVIDIA官方论坛里得到了NVIDIA工程师的肯定，巨坑！所以假如亲们无法安装CUDA 9.1安装包里自带的387版本的驱动，那么就放弃CUDA 9.1，转而下载安装CUDA 9.0。CUDA 9.0是支持384.xx版本的驱动的，配置方法完全相同，此博客同样适用，只是路径中若出现cuda-9.1的地方改成cuda-9.0即可。CUDA 9.0的下载见“10、补充”。
虽然CUDA 9.1 安装包里说需要安装384.00版本之后的驱动，但是亲测384.98和384.111都是不支持CUDA 9.1的，这也在NVIDIA官方论坛里得到了NVIDIA工程师的肯定，巨坑！所以假如亲们无法安装CUDA 9.1安装包里自带的387版本的驱动，那么就放弃CUDA 9.1，转而下载安装CUDA 9.0。CUDA 9.0是支持384.xx版本的驱动的，配置方法完全相同，此博客同样适用，只是路径中若出现cuda-9.1的地方改成cuda-9.0即可。CUDA 9.0的下载见“10、补充”。
重装显卡驱动提供两种方法：（方法二不适用于 CUDA 9.1，但是适用于CUDA 9.0）
方法一：使用 CUDA 9.1 安装包里自带的驱动
CUDA 9.1安装包里自带的显卡驱动为：linux-x86_64 387.26，可以适配新出的很多显卡。（特别说明：我的电脑安装完387.26版本的驱动后成功配置了caffe，但在某次异常断电重启后显卡驱动失效，感觉此驱动不稳定。求稳的朋友可以安装CUDA 9.0，配置方法此博客同样适用。）
CUDA 9.1 和cuDNN安装包没下的同志可以从我自己上传的百度云下载：链接：https://pan.baidu.com/s/1c4m5aiG 密码：ckj4
下载完成后，把解压出来的
CUDA 安装文件（cuda_9.1.85_387.26_linux.run）移动到 HOME 路径下，方便安装过程的文件检索。然后通过 Ctrl + Alt + F1 进入文本模式，输入帐号密码登录，通过 Ctrl + Alt + F7 可返回图形化模式，在文本模式登录后首先关闭桌面服务：
sudo service lightdm stopsudo apt-get purge nvidia*sudo sh cuda_9.1.85_387.26_linux.run --no-opengl-libs #run文件的文件名根据自己下的文件名修改，默认是我提供的文件Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 387.26?
(y)es/(n)o/(q)uit: y
之后会问你是否安装 nvidia-xconfig，建议选择no。
do you want to run nvidia-xconfig？
(y)es/(n)o/(q)uit: n是否安装 CUDN 9.1 都选择no。也就是我们这次只安装一个显卡驱动，目的是先保证显卡驱动安装成功，否则安装CUDA 9.1很容易失败。
Install the CUDA 9.1 Samples?
(y)es/(n)o/(q)uit: nInstall the CUDA 9.1 Toolkit?
(y)es/(n)o/(q)uit: n
rebootnvidia-settings我的电脑显示如下信息：
方法二：直接在线安装（此方法需要联网），适用于CUDA 9.0
注意：再次提醒此方法暂时不适用于CUDA 9.1
首先仍旧是关闭桌面服务并卸载之前的显卡驱动（这两步见方法一），随后加入官方ppa源：
sudo add-apt-repository ppa:graphics-drivers/ppasudo apt-get update
sudo apt-get install nvidia-384 nvidia-settings nvidia-primenvidia-settings第三步：配置环境变量
sudo gedit ~/.bashrcexport LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
第四步：安装 CUDA 9.1
安装完显卡驱动后，CUDA toolkit和samples可单独安装，直接在终端运行安装，无需进入文本模式：
sudo sh cuda_9.1.85_387.26_linux.run --no-opengl-libsInstall NVIDIA Accelerated Graphics Driver for Linux-x86_64 387.26?
(y)es/(n)o/(q)uit: n其他的都选择yes或者默认，等待安装完成：
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 387.26?
(y)es/(n)o/(q)uit: n
Install the CUDA 9.1 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-9.1 ]:
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 9.1 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
[ default is /home/ccem ]:
Installing the CUDA Toolkit in /usr/local/cuda-9.1 ...
Installing the CUDA Samples in /home/ccem ...
Copying samples to /home/ccem/NVIDIA_CUDA-9.1_Samples now...
Finished copying samples.
===========
= Summary =
===========
Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-9.1
Samples: Installed in /home/ccem
Please make sure that
- PATH includes /usr/local/cuda-9.1/bin
- LD_LIBRARY_PATH includes /usr/local/cuda-9.1/lib64, or, add /usr/local/cuda-9.1/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-9.1/bin
Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-9.1/doc/pdf for detailed information on setting up CUDA.
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.1 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
sudo <CudaInstaller>.run -silent -driver
Logfile is /tmp/cuda_install_36731.log假如出现：
Installing the CUDA Toolkit in /usr/local/cuda-9.1 …
Missing recommended library: libGLU.so
Missing recommended library: libX11.so
Missing recommended library: libXi.so
Missing recommended library: libXmu.sosudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev 安装完成后配置CUDA环境变量，使用 gedit 命令打开配置文件：
sudo gedit ~/.bashrcexport PATH=/usr/local/cuda/bin:$PATH #/usr/local/cuda和/usr/local/cuda-9.1是同一个文件夹，前者是后者的镜像
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATHsource ~/.bashrc检验CUDA 是否安装成功，输入：
cd /usr/local/cuda-9.1/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery会出现你的显卡的详细信息。假如出现：
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
cudaGetDeviceCount returned 35
-> CUDA driver version is insufficient for CUDA runtime version
Result = FAIL
卸载CUDA 9.1 的方法：
cd /usr/local/cuda/bin
sudo ./uninstall_cuda_9.1.pl
卸载完成后如果显示：Not removing directory, it is not empty: /usr/local/cuda-9.1 ，假如需要重装CUDA 9.0的话就把这个文件夹删除。在/usr/local/路劲下输入：
sudo rm -r cuda-9.1
第五步：安装cuDNN v7
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.7 #删除原有动态文件
sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7 #生成软衔接
sudo ln -s libcudnn.so.7 libcudnn.so #生成软链接
1）安装vim。输入：
sudo apt-get install vim-gtksudo vim /etc/ld.so.conf.d/cuda.conf/usr/local/cuda/lib64:wq #保存退出终端下接着输入 sudo ldconfig 命令使链接生效。
软链接后可以用sudo ldconfig -v 命令查看是否链接成功：是否有/usr/local/cuda/lib64文件夹。ldconfig命令的用途主要是在默认搜寻目录/lib和/usr/lib以及动态库配置文件/etc/ld.so.conf内所列的目录下，搜索出可共享的动态链接库（格式如lib*.so*）,进而创建出动态装入程序(ld.so)所需的连接和缓存文件。
安装完成后可用 nvcc -V 命令验证是否安装成功，若出现以下信息则表示安装成功：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov__3_21:07:56_CDT_2017
Cuda compilation tools, release 9.1, V9.1.85
第六步：安装 OpenCV 3.4.0
进入官网 : http://opencv.org/releases.html , 选择 3.4.0 版本的 sources , 下载 opencv-3.4.0.zip 。随后解压到你要安装的位置，命令行进入已解压的文件夹 opencv-3.4.0 目录下，执行：
首先cd 到你要安装的路径下运行：
mkdir build # 创建编译的文件目录
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j8 #编译sudo make install #安装pkg-config --modversion opencv卸载OpenCV的方法：进入OpenCV解压文件夹中的buid 文件夹：
cd /home/ccem/opencv-3.4.0/build
sudo make uninstallsudo rm -r /usr/local/include/opencv2 /usr/local/include/opencv /usr/include/opencv /usr/include/opencv2 /usr/local/share/opencv /usr/local/share/OpenCV /usr/share/opencv /usr/share/OpenCV /usr/local/bin/opencv* /usr/local/lib/libopencv第七步：安装 Caffe
git clone https://github.com/BVLC/caffe.gitsudo cp Makefile.config.example Makefile.config
然后修改 Makefile.config 文件，在 caffe 目录下打开该文件：
sudo gedit Makefile.config修改 Makefile.config 文件内容：
1.应用 cudnn
将：
#USE_CUDNN := 1
修改为：
USE_CUDNN := 12.应用 opencv 3 版本
将：
#OPENCV_VERSION := 3
修改为：
OPENCV_VERSION := 33.使用 python 接口
将：
#WITH_PYTHON_LAYER := 1
修改为
WITH_PYTHON_LAYER := 14.修改 python 路径
将：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial 此python路径为系统自带python的路径，假如想使用Anaconda的python的话需要在其他地方修改。
5.去掉compute_20
找到
# CUDA architecture setting: going with all of them.
# For CUDA < 6.0, comment the *_50 through *_61 lines for compatibility.
# For CUDA < 8.0, comment the *_60 and *_61 lines for compatibility.
# For CUDA >= 9.0, comment the *_20 and *_21 lines for compatibility.
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \
-gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=sm_50 \
-gencode arch=compute_52,code=sm_52 \
-gencode arch=compute_60,code=sm_60 \
-gencode arch=compute_61,code=sm_61 \
-gencode arch=compute_61,code=compute_61
改为：
# CUDA architecture setting: going with all of them.
# For CUDA < 6.0, comment the *_50 through *_61 lines for compatibility.
# For CUDA < 8.0, comment the *_60 and *_61 lines for compatibility.
# For CUDA >= 9.0, comment the *_20 and *_21 lines for compatibility.
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=sm_50 \
-gencode arch=compute_52,code=sm_52 \
-gencode arch=compute_60,code=sm_60 \
-gencode arch=compute_61,code=sm_61 \
-gencode arch=compute_61,code=compute_61由于CUDA 9.x +并不支持compute_20，此处不修改的话编译caffe时会报错：
nvcc fatal : Unsupported gpu architecture 'compute_20'然后修改 caffe 目录下的 Makefile 文件（修改的地方找起来比较困难的话可以复制到word里查找）：
将：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)将：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serialcmake -D CMAKE_BUILD_TYPE=RELEASE -D CUDA_GENERATION=Kepler ..在 caffe 目录下执行 ：
make all -j8sudo make runtest -j8运行结果如下：
可以看到2123个tests中只有一个失败了：
BatchReindexLayerTest/3.TestGradient, where TypeParam = caffe::GPUDevice<double>第八步：用 mnist 手写数据集验证
1）进入caffe文件夹，看看此文件夹里是否有一个build文件夹，没有的话运行：
make all -j8sudo ./data/mnist/get_mnist.shsudo ./examples/mnist/create_mnist.shsudo ./examples/mnist/train_lenet.sh
可以看到测试的识别准确率为 99.08%。至此整个caffe已经配置完毕。
第九步：在PyCharm上运行caffe
目前虽然已经成功配置了caffe，但是只能在命令行里运行，弊端很明显，不利于调试。所以可以配置一下使其在PyCharm上运行。PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。
我已经成功在PyCharm上运行了caffe，这一部分我另外写了一篇博客，详见：点击打开链接
：http://blog.csdn.net/balixiaxuetian/article/details/79161821
10、补充（持续更新）
1）caffe配置完成后将cuda 9.1换成 9.0的方法
我前面也提到过，电脑安装CUDA 9.1自带的显卡驱动版本 387.26不稳定，在某次重启后失效了。于是我重新安装了384.111版本的显卡驱动。但恶心的是，CUDA 9.1 不支持384.xx版本的驱动，于是我想换成CUDA 9.0。但是此时我已经完全配置好caffe了，不需要全部推倒重来，只需先卸载CUDA 9.1和openCV 3.4.0，然后重装CUDA 9.0，cuDNN 和openCV 3.4.0 即可，卸载的方法前面步骤里有，其他的都不需要动(完全按照我的教程配置的话环境变量都不需要改，否则需要检查一下环境变量，将cuda-9.1出现的地方换成cuda-9.0)， make runtest 即可全部通过。第九步中把pycaffe重新编译一下即可。
2）CUDA 9.0下载
CUDA 9.0可在此链接下载：https://developer.nvidia.com/cuda-toolkit-archive，还需要下载对应的cuDNN：https://developer.nvidia.com/rdp/cudnn-download#a-collapse704-9 ，也可以通过我的百度云分享下载，见我的资源：点击打开链接
http://download.csdn.net/download/balixiaxuetian/10229488
1080
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
