自己适用的Ubuntu装机流程

之前用过直接安装cuda，通过cuda自带的显卡驱动装显卡驱动，但是这样需要靠运气，会常常遇到显卡驱动装不上的情况，这个问题在于cuda带的驱动有时候比较老，需要自动装别的版本的驱动，cuda8.0带的驱动是375，不适合我的显卡，但是cuda没事，因为它本身就是一个动态库，所以还是老老实实地第一步装显卡，第二步装cuda。

提示一下：显卡驱动安装完毕后，最好备份在download文件夹一份，以防止pip uninstall一些库文件的时候不小心删除显卡驱动，导致反复出现登录界面而进不去系统，此时可以重新安装显卡驱动，而不会影响之前安装安装的cuda和cudnn。

第一步：装显卡驱动，下载nvidia的run文件，

             输入：lsmod | grep nouveau，如果有输出集成显卡就要把它禁止了，

sudo gedit /etc/modprobe.d/blacklist.conf    #禁止集显

• 在文本最后添加：（禁用nouveau第三方驱动，之后也不需要改回来）

blacklist nouveau
options nouveau modeset=0

然后执行：sudo update-initramfs -u

重启后，执行：lsmod | grep nouveau。如果没有屏幕输出，说明禁用nouveau成功。

按Ctrl-Alt+F1进入命令行界面，输入用户名和密码登录即可。

sudo service lightdm stop       #禁用X-Window服务

然后进入nvidia****.run所在目录，输入： ls，如果 nvidia****.run是绿色，则表示可执行，如果是白色，则要赋予执行权限：sudo chmod a+x NVIDIA-****.run

可执行后，直接输入： sudo ./nvidia****.run ，然后一路yes下去。

在最后，屏幕左下角出现命令行时输入：sudo service lightdm start

检查显卡驱动：nvidia-smi，若显示则正常。

第二步：装CUDA8.0：

同样是执行cuda****.run文件，查看该文件是否可执行的方法同上。

sudo ./cuda_8.0.61_375.26_linux.run--no-opengl-libs

在上述命令行可以选择如下的选项

• --no-opengl-libs：表示只安装驱动文件，不安装OpenGL文件。必需参数，原因同上。注意：不是-no-opengl-files。
• --uninstall (deprecated)：用于卸载CUDA Driver（已废弃）。
• --toolkit：表示只安装CUDA Toolkit，不安装Driver和Samples。
• --help：查看更多高级选项。

开始安装，期间出现以下画面：

点击 Esc键后点击冒号：wq 出现：

里面一定填accept。

之后，按照提示安装即可。我依次选择了：

accept #同意安装
n #不安装Driver，因为已安装最新驱动
y #安装CUDA Toolkit
<Enter> #安装到默认目录
y #创建安装目录的软链接
n #不复制Samples，因为在安装目录下有/samples

接着配置路径：

需要设置环境变量, 输入：sudo gedit /etc/profile

在/etc/profile里面加入    

export PATH=/usr/local/cuda-8.0/bin:$PATH  
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH 

   然后在终端输入

$   source /etc/profile  #使/etc/profile里的配置立即生效。

   9) 添加lib库路径：

 sudo gedit /etc/ld.so.conf.d/cuda.conf

     在 /etc/ld.so.conf.d/加入文件 cuda.conf, 内容如下

 /usr/local/cuda-8.0/lib64

     执行下列命令使之立刻生效

 sudo ldconfig

CUDA Sample测试：

#编译并测试设备 deviceQuery：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

#编译并测试带宽 bandwidthTest：
cd ../bandwidthTest
sudo make
./bandwidthTest

如果这两个测试的最后结果都是Result = PASS，说明CUDA安装成功啦。

第三步：安装opencv3.4

首先安装依赖项：

[compiler] sudo apt-get install build-essential
[required] sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
[optional] sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

使用cmake-gui安装，首先安装cmake和cmake-qt-gui

sudo apt-get install cmake cmake-qt-gui

 解压opencv3.0.0（千万别放桌面，后面不能删除），并进入目录，建立build目录并进去build目录打开终端，并输入：

$ cmake-gui 

出现下图界面：

在source 目录里添加：文件目录如（../../../opencv-3.0.0.0-beta），在build目录添加build目录（如：../../../opencv-3.0.0.0-beta/build）,在CUDA_GENERATION 选择Kepler (若没出现这个选项，就先Configure，等下载相应的包后，在大框里面选择)，configure，此时会处错误，原因是由于ippicv_linux_20141027.tgz不正确。把下载好的ippicv_linux_20141027.tgz替换掉出错路径下ippicv_linux_20141027.tgz即可。重新configure，最后generate，完成后关闭界面。

进入build目录：输入：

sudo make  #或者 sudo make –j12  12线程加快速度，20线也可以。

在build目录下 

$ sudo make install

写入opencv路径：

sudo sh -c'echo "usr/local/lib" > 
#以下是添加的内容
/etc/ld.so.conf.d/opencv.conf'

注意 –c后面没空格

然后

sudo ldconfig

验证：

$python
>>>import cv2

若不报错，则安装成功

第四步：安装spyder

sudo apt-get install spyder

第五步：安装cudnn8第.0-V6.0

解压cudnn-8.0-linux-x64-v6.0.tgz得到cuda文件夹

$ sudo cp cudnn-8.0-linux-x64-v6.0.solitairetheme8 cudnn-8.0-linux-x64-v6.0.tgz

$ sudo tar xvf cudnn-8.0-linux-x64-v6.0.tgz

$ cd cuda/include

$ sudo cp *.h /usr/local/include/
$ cd ../lib64
$ sudo cp lib* /usr/local/lib/
$ cd /usr/local/lib
$ sudo chmod +r libcudnn.so.6.0.21 （具体是多少数字看这个文件夹里面的对应文件）

$ sudo ln -sf libcudnn.so.6.0.21 libcudnn.so.6   （具体多少数字看这个文件夹里面的文件面）

$ sudo ln -sf libcudnn.so.6 libcudnn.so

$ sudo ldconfig

检查cudnn安装正确的检查

$sudo python
>>>import tensorflow as tf
>>>
若没报错，则安装正确

第六步：安装tensorflow

由于tensorflow的版本和cudnn的版本密切相关，若安装失败，通常是因为版本不符合，可直接在/usr/local/lib/python2.7/dist-packages/文件夹里面删除tensor*文件夹即可，便可再次安装。

安装之前，先确定python的版本，以防止pip未安装，pip的安装命令是：

python3：sudo apt-get install python3-pip 

python2：sudo apt-get install python-pip  

支持cuda8.0和cudnn8.0_v6.0的tensorflow是1.4版，故安装命令为：

sudo pip install tensorflow-gpu==1.4 –i https://pypi.douban.com/simple

若要升级，命令如下，但是一般不升级

sudo pip install --upgrade tensorflow-gpu –i https://pypi.douban.com/simple

用以下代码确定tensorflow版本：

$sudo python
>>>import tensorflow as tf
>>>tf.__version__
注意是两个下划线

然后根据tensorflow确定cudnn的版本，避免出现以下错误

上述错误显示tensorflow配套的是cudnn-8.0-linux-x64-v6.0.tgz，注意是V6.0版本

第七步：mxnet

官网上的依赖项在前面我们基本已经安装完毕，注意，我自己的cuda版本是8.0，所以安装只需要一行命令：

sudo pip install mxnet-cu80 -i https://pypi.douban.com/simple

上面命令若报错的话，可以用

sudo pip install mxnet-cu80

验证：

$python
>>>

>>> import mxnet as mx
>>> a = mx.nd.ones((2, 3), mx.gpu())
>>> b = a * 2 + 1
>>> b.asnumpy()
array([[ 3.,  3.,  3.],
       [ 3.,  3.,  3.]], dtype=float32)

第八步：cupy

sudo pip install cupy-cuda80 -i https://pypi.douban.com/simple

第九步 换桌面

sudo apt-get install xubuntu-desktop

第十步：安装docker CE

# step 1: 安装必要的一些系统工具

$ sudo apt-get update
$ sudo apt-get -y install apt-transport-https ca-certificates curl software-properties-common

# step 2: 安装GPG证书

$ curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add -

注意：安装证书一定要用阿里云镜像

 接着可以验证密钥指纹 9DC8 5822 9FC7 DD38 854A E2D8 8D81 803C 0EBF CD88

$ sudo apt-key fingerprint 0EBFCD88

pub   4096R/0EBFCD88 2017-02-22
      Key fingerprint = 9DC8 5822 9FC7 DD38 854A  E2D8 8D81 803C 0EBF CD88
uid                  Docker Release (CE deb) <docker@docker.com>
sub   4096R/F273FCD8 2017-02-22

# Step 3: 写入软件源信息

$ sudo add-apt-repository "deb [arch=amd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable"

# Step 4: 更新并安装指定版本 Docker-CE，安装17.03版本

$ sudo apt-get update
 

接着查看docker-ce可安装的版本： 一定要先更新才能查看指定版本

$apt-cache madison docker-ce

$ sudo apt-get install docker-ce=17.03.0~ce-0~ubuntu-trusty #具体的版本号，可以根据上面步骤的版本号修改，一定要选17.03，因为需要和nvidia-docker匹配

给docker添加国内加速器（参考https://github.com/yeasy/docker_practice/blob/master/install/mirror.md）在阿里云申请一个账号，
打开连接 ：https://cr.console.aliyun.com/#/accelerator

安装／升级你的Docker客户端

• 推荐安装1.10.0以上版本的Docker客户端，参考文档docker-ce

如何配置镜像加速器

针对Docker客户端版本大于1.10.0的用户

您可以通过修改daemon配置文件/etc/docker/daemon.json来使用加速器：

sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
  "registry-mirrors": ["https://a7pbwtde.mirror.aliyuncs.com"]
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker

至此docker安装及国内加速器都好了，开始你的docker之旅吧。

hello-word

$  sudo docker run hello-world

检查docker的版本

$ docker -v

Docker version 17.03.0-ce, build 0520e24

安装nvidia-docker-plugin

1. 于github中下载： nvidia-docker-plugin的最新版本
2. 安装nvidia-docker-plugin 
   sudo dpkg -i nvidia-docker_1.0.1-1_amd64.deb
3. 安装nvidia-modprobe, apt install nvidia-modprobe
4. 启动nvidia-docker-plugin，nvidia-docker-plugin，如若正常表示安装成功
5. 测试:

   sudo nvidia-docker run nvidia/cuda nvidia-smi

   或者： nvidia-docker run --rm nvidia/cuda nvidia-smi若显示显卡信息则正常
   

第十一步： 安装cifs-utils，以便挂载Windows格式硬盘

sudo apt-get install cifs-utils