Ubuntu 18.04 + Anaconda2 + Cuda9.0 + Cudnn7.0.5 + Caffe + Tensorflo+Digits6.1.1 安装文档

ubuntu18.04发布以来，曾经在16.04和14.04上费九牛二虎之力才能编译通过caffe的日子从此一去不复返了。使用caffe的日子 你终于和使用tensorflow一样畅快无阻了，再结合新系统许多亮眼的设计和漂亮的界面，ubuntu18.04你值得拥有~

说明一下，由于Digits官方github上目前只支持python2，所以围绕python2进行环境部署，如果有习惯python3的朋友，这篇的digits部分可能目前无法兼容。

1. 配置Anaconda2

1.1. 下载官网地址：

https://www.anaconda.com/download/#linux

1.2. 安装

下载完之后是缀 .sh 文件在终端输入： bashAnaconda2-5.0.1-Linux-x86_64.sh

会询问是否要把变量写入环境，选yes

1.3. 使环境变量生效

source ~/.bashrc

然后重启系统，打开终端，输入 Python，出现anaconda2表明设置成功

2.安装Pycharm或者Spyder

Ubuntu18.04的App Store自带Pycharm和Spyder的free版本，直接点击安装即可。和手机安装APP一样。

3.  Cuda9.0 安装  

3.1. NVIDIA自动驱动安装

Ubuntu18.04 自带了 NVIDIA 驱动，但是它没有安装完整，不能在终端使用nvidia-smi命令查看，在之后的 CUDA 编译测试里面也会出现问题，因此需要重新安装。重新安装的方式如下：

# 首先，检测你的 NVIDIA 图形卡和推荐的驱动程序的模型

ubuntu-drivers devices

有两种方法：

方法一、选择安装所有推荐的驱动

sudo ubuntu-drivers autoinstall

方法二、只安装其中一个驱动

sudo apt install nvidia-390

虽然390是比较新的版本。但是在后期的模型训练过程中会出现一个问题，就是会报cudasuccess(4 vs 0)的错误，这个错误表示当前驱动版本太高，需要降级驱动。

因此我们需要上NVIDIA Driver的官网下载低版本的驱动来进行安装，进过测试，可以使用 驱动nvidia-384。

前往Nvidia Driver官网下载相应驱动：https://www.geforce.com/drivers

关键的几步：！！！

打开终端，先删除旧的驱动：sudo apt-get purge nvidia*

禁用自带的 nouveau nvidia驱动（important！）

创建一个文件通过命令 sudo vim/etc/modprobe.d/blacklist-nouveau.conf

并添加如下内容：

blacklist nouveau

options nouveau modeset=0

再更新一下

sudo update-initramfs -u

修改后需要重启系统。确认下Nouveau是已经被你干掉，使用命令：

lsmod | grep nouveau

 

进入文本模式安装下载的驱动：

由于Ubuntu18.04用GDM代替了lightdm，所以无法使用sudo service lightdm stop来关闭界面服务。直接Ctrl+Alt+F3进入文本模式即可：

接下来就是最关键的一步了：sudo ./NVIDIA.run --no-opengl-files开始安装，安装过程比较快，根据提示选择即可。

最后安装完毕后，然后Ctrl+Alt+F1进入图形界面；如果安装后驱动程序工作不正常，使用下面的命令进行卸载：

sudo sh ~/NVIDIA-Linux-x86_64-367.44.run --uninstall

 

然后再安装两个软件：

sudo apt-get install mesa-common-dev

sudo apt-get install freeglut3-dev

重启系统

执行完命令后，在终端输入：nvidia-smi  可以得到相关信息说明安装成功。

3.2. 降级 GCC

因为 Ubuntu18.04 默认gcc7.3，而CUDA9.0 只支持gcc6.0 及以下版本

我们选择降级到的版本是 gcc5 版本。

# 首先查看自己的版本

gcc –version

机器显示 7.3.0，因此降级版本并激活。

# 在终端输入

sudo apt-get install gcc-5 g++-5  

sudo update-alternatives --install/usr/bin/gcc gcc /usr/bin/gcc-5 100

sudo update-alternatives --install/usr/bin/g++ g++ /usr/bin/g++-5 100

# 这时候再在终端输入

gcc –version

如果显示是5.5版本则 OK。

3.3. 依赖库的安装

# 在终端输入

sudo apt-get install freeglut3-devbuild-essential libx11-dev libxmu-dev  

sudo apt-get install libxi-dev libgl1-mesa-glxlibglu1-mesa libglu1-mesa-dev

3.4. 安装 Cuda9.0

下载deb安装包及三个补丁，18年出了第三个补丁，一起下载安装。

#在安装包存放目录处打开终端输入

sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb

sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub

sudo dpkg -icuda-repo-ubuntu1704-9-0-local-cublas-performance-update_1.0-1_amd64.deb

sudo dpkg -i cuda-repo-ubuntu1704-9-0-local-cublas-performance-update-2_1.0-1_amd64.deb

sudo dpkg -icuda-repo-ubuntu1704-9-0-local-cublas-performance-update-3_1.0-1_amd64.deb

sudo apt-get update

之后这步可能会报错：

The following packages have unmet dependencies:

cuda : Depends: cuda-9-0 (>= 9.0.176) but it is not going to beinstalled

E: Unable to correct problems, you have held broken packages.

解决方法参见博客：Ubuntu18.04 LTS 下Caffe-GPU 版本安装常见错误

主要原因是ubuntu18.04的源可能太旧了，需要更新一下新的源才行。

进入/etc/apt/，备份掉原有的sources.list，新建一个，并输入以下内容，然后再update一下。

deb http://archive.ubuntu.com/ubuntu/ trusty main restricteduniverse multiverse

deb http://archive.ubuntu.com/ubuntu/ trusty-security mainrestricted universe multiverse

deb http://archive.ubuntu.com/ubuntu/ trusty-updates main restricteduniverse multiverse

deb http://archive.ubuntu.com/ubuntu/ trusty-proposed mainrestricted universe multiverse

deb http://archive.ubuntu.com/ubuntu/ trusty-backports mainrestricted universe multiverse

deb-src http://archive.ubuntu.com/ubuntu/ trusty main restricteduniverse multiverse

deb-src http://archive.ubuntu.com/ubuntu/ trusty-security mainrestricted universe multiverse

deb-src http://archive.ubuntu.com/ubuntu/ trusty-updates main restricteduniverse multiverse

deb-src http://archive.ubuntu.com/ubuntu/ trusty-proposed mainrestricted universe multiverse

deb-src http://archive.ubuntu.com/ubuntu/ trusty-backports mainrestricted universe multiverse

 sudo apt-get install cuda

在/usr/local 目录下可以看到 cuda 和 cuda-9.0 两个文件夹，表面安装成功，接下来进行

环境变量配置。

 

3.5. 环境配置

完成以上的步骤以后一定要进行环境的配置。步骤如下：

#打开终端输入

sudo gedit ~/.bashrc

# 会弹出一个可写的配置文件，在末尾把以下配置写入并保存

export CUDA_HOME=/usr/local/cuda-9.0

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:/usr/local/cuda-9.0/extras/CUPTI/lib64:$LD_LIBRARY_PATHs

export PATH=/usr/local/cuda-9.0/bin:$PATH

exportLD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:/usr/local/cuda-9.0/extras/CUPTI/lib64:/usr/local/cuda-9.0/lib64:/usr/local/cuda-9.0/lib64"

然后生效环境变量source ~/.bashrc

重启电脑

3.6. 安装测试

在安装的时候也相应安装了一些 cuda 的一些例子，可以进入例子的文件夹然后使用

make 命令执行。

从网上找了两个例子，例一：

# 第一步，进入例子文件 

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery  

# 第二步，执行 make 命令 

sudo make  

# 第三步，运行 Demo

./deviceQuery

如果结果有 GPU的信息，说明安装成功。

例二：

# 进入例子对应的文件夹

  cd/usr/local/cuda/samples/5_Simulations/fluidsGL  

# 执行make

  sudo make clean &&sudo make  

# 运行

  ./fluidsGL

自带例子测试通过，Cuna9.0 安装配置完成！

4.  CuDnn7.0 安装（其实这步可以不需要，后面caffe和tensorflow会自动安装）

官网下载地址:点击这里（需要注册个账号）：

为适应 Cudn9.0，下载的是 CuDnn v7.0.5, for CUDA 9.0。下载完的 CuDnn是.tar 格式的文件。

# 解压

tar -xvzf cudnn-9.0-linux-x64-v7.tar

# 在终端输入

sudo cp cuda/include/cudnn.h  /usr/local/cuda/include

# 注意，解压后的文件夹名称为 cuda ,将对应文件复制到 /usr/local 中的 cuda 内

sudo cp cuda/lib64/libcudnn*     /usr/local/cuda/lib64 

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

创建软连接：

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.7

sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7

sudo ln -s libcudnn.so.7 libcudnn.so

sudo ldconfig /usr/local/cuda/lib64

 

此处 Cudnn安装完成.

# 在终端输入（此处的 V 是大写）

nvcc–V显示nvcc和cuda的相关信息

安装成功！(若没有显示，可以重启电脑)

后面就是caffe和tensorflow的安装，只要两步即可完成。

5.  Tensorflow-GPU 安装

# 在终端输入

conda install tensorflow-gpu

进图python，输入

import tensorflow as tf

hello = tf.constant(“hello,world”)

sess=tf.session()  #此处会有显示使用哪块GPU

sess.run(hello)

输出为”hello,world”

说明测试通过

7.  Caffe-GPU安装

# 在终端输入

conda install caffe-gpu

完成后进入python，输入

import caffe进行测试是否可以

 

8. 配置Digits

git clone https://github.com/NVIDIA/DIGITS.git digits

cd digits

安装依赖：

sudo apt-get install graphviz gunicorn

pip install -r requirements.txt

 运行digits

./digits-devserver

若import caffe报错 缺失file文件，则重新安装protobuf

pip uninstall protobuf

pip install protobuf

然后打开火狐浏览器，输入0.0.0.0:5000即可访问digits服务界面，如下图：

进入model，可以看到caffe和tensorflow两个后端支持。