从安装cudnn拓展开的故事。。。

最开始在室友的建议下， 采用cudnn来加速caffe的运算速度，然而莫名其妙的发现，主机gpu1上的GPU使用率始终保持在90%以上，因此尝试自行修复，结果悲剧了，一次重启之后发现/usr/bin目录下找不到nvidia-smi命令，然后就没法查看GPU状态了......

开始以为是驱动的问题，于是把cuda重装，发现没解决，一咬牙把整个nvidia驱动都重装了，为了把之前的nvidia驱动都卸载干净，这里使用的方法是：sudo apt-get remove --purge nvidia-*

其中purge参数是把安装包和所有配置文件都删除干净。但需要注意的是，有个nvidia-common包不能删除，网上给出的解决办法是nvidia-common和ubuntu-desktop依赖，因此

sudo apt-get install ubuntu-desktop即可，但事实证明这样并不能解决，反而直接使用

sudo apt-get install nvidia-common就奏效了。

再然后就是

sudo apt-get install nvidia-352

安装好版本号为352的nvidia驱动之后，才很无语的发现，nvidia-smi 居然还是不存在！

不得不说中文资料参考价值还是没那么高，最后在nvidia官方论坛上找了好久才发现，nvidia-smi是隶属于名为GPU deployment kit的一系列nvidia套件中的一个，去官网下载到对应版本的run文件，执行安装之后，/usr/bin目录下终于出现了nvidia-smi。

另外说一点，如gpu deployment kit的下载版本中，linux里就有

GPU Deployment Kit - Linux 64bit (.run)

GPU Deployment Kit - Power8 Linux 64bit  

这两种，仔细观察下载文件后发现，这个区别类似于下载cuda时，让你选择的x86_64和ppc64le，这个可以通过uname -m命令查看本系统的版本，实验室用的是x86_64。

11月23日更新

终于发现问题所在，只要用sudo update-alternatives --config x86_64-linux-gnu_gl_conf，把状态从默认调整到nvidia的那一栏，就能用nvidia-smi了。上面的操作 都是无用功，蛋疼。。。

12月4日更新

另外，安装好cudnn后，在caffe的make runtest时可能会报类似于：check failure 6 vs 0   SUCCESS== 类似于这样的错误，这可能是因为，当前显卡不支持cudnn的这种加速效率，显卡或者cuda驱动太落后，cudnn版本太先进导致的，解决办法是，用古老一点的cudnn版本。。。

12月9日更新

在安装某些开源改版的caffe时，可能会要用cmake来编译caffe，而用cmake的过程中，可能会出现

.../cudnn/lib64 Targets may link only to libraries.   CMake is dropping the item

这种错误往往是因为，在cmake参数中只是简单地指定了cudnn的库目录，但有些文件需要具体的.so文件，而不是目录。解决方法是（在ubuntu系统下），把cudnn的所有.so文件放入/usr/local/lib中，把cudnn的include中的cudnn.h文件，放入/usr/local/include中，再用cmake编译，就不会跳过那些文件了。