Ubuntu16.04下Nvidia驱动、CUDA、cuDNN、tensorflow-gpu安装教程

准备工作

lspci | grep -i nvidia  #确认是nvidia显卡
uname -m && cat /etc/*release #确认是x86_64
gcc --version #确认gcc安装好了
sudo apt-get install linux-headers-$(uname -r) #安装kernel header

安装Nvidia显卡驱动

一.禁用自带的nouveau NVIDIA驱动

1.输入代码

sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

2.在编辑器中添加内容

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

3.改好后执行

sudo update-initramfs -u

4.保存退出,重启系统。使用如下命令确认mouveau已经禁用。

lsmod | grep nouveau

输出内容为空。说明成功

5.禁用X服务：

sudo /etc/init.d/lightdm stop

禁用X服务后，可能需要进入命令行界面，按ctrl+alt+f1进入命令行界面，
在命令行界面下进行第二步，安装Nvidia驱动即可。
开启X服务：

sudo /etc/init.d/lightdm start

二.安装nvidia驱动

1.下载nvidia驱动
Nvidia驱动下载地址
2.安装Nvidia驱动

sudo sh ./NVIDIA-Linux-x86_64-xxx.xx.run

3.重启电脑
4.挂载Nvidia驱动：

sudo modprobe nvidia

5.输入代码，查看显卡信息

nvidia-smi

正常显示则通过

---

一、CUDA9.0下载&安装

CUDA9.0下载地址
1.选择自己的操作系统，处理器架构，软件发行版本，操作系统版本号，安装文件类型如下：

2.下载CUDA9.0

3.安装CUDA9.0
在文件地址，打开terminal，按顺序输入如下命令：

sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

4.在CUDA完成安装之后，还需要添加环境变量，打开终端，输入下面的命令：

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

• 如果是64位系统，输入：

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

• 如果是32位系统，输入：

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

• source一下

source ~/.bashrc

5.测试，终端输入：
如果有错，终端输入：

 sudo apt install nvidia-cuda-toolkit

测试:

nvcc -V

如果可以看到cuda的版本信息，则表示成功

6.接着尝试运行一下cuda中自带的例子：

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

可以看到Result = PASS，则表示成功：

二、cuDNN下载&安装

cuDNN下载地址（需要注册账号登录）
1.选择与CUDA9.0对应的cuDNN版本，下载下图框中的包

2.安装cuDNN，按顺序执行下面代码

tar xvzf cudnn-9.0-linux-x64-v7.2.1.38.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

sudo dpkg -i libcudnn7_7.1.4.18-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.1.4.18-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.1.4.18-1+cuda9.0_amd64.deb

3.测试

cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

4.如出现Test passed！则完成

三、Tensorflow-gpu下载&安装##

Tensorflow总共有4中安装方式，这里主要介绍二进制安装和Virtualenv安装：
###二进制安装（推荐，因为非常简单）
1.安装pip

sudo apt-get install python-pip python-dev   # for Python 2.7
sudo apt-get install python3-pip python3-dev # for Python 3.n

2.安装tensorflow-gpu,(注意tensorflow的版本）

• Python 2.7版本：

pip install --upgrade tensorflow-gpu

• Python 3.x版本：

pip3 install --upgrade tensorflow-gpu

经过这一步骤之后，tensorflow就安装完成了。

如果安装速度慢，且没法翻长城的话，可以使用清华的源，超级快

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

###Virtualenv安装（安全）
使用Google官方推荐的安装方式：Virtualenv，创建一个虚拟Python开发环境。
1.安装pip和Virtualenv

• 如果使用Python 2.7的版本，输入

sudo apt-get install python-pip python-dev python-virtualenv

• 如果使用Python 3.x的版本，输入

sudo apt-get install python3-pip python3-dev python-virtualenv

两者选择一个就行，个人推荐Python 3.x版本

2.创造一个虚拟的Python开发环境：

• 第一步如果选择Python 2.7版本，终端输入：

virtualenv --system-site-packages ~/tensorflow

• 第一步如果选择Python 3.x版本，终端输入：

virtualenv --system-site-packages -p python3 ~/tensorflow

注意: ~/tensorflow是自己选择的位置并创建的目录。大家可以自行选择其他的位置和命名。本教程创建完成之后，会在用户home目录下看到多出一个tensorflow文件夹
3.激活虚拟环境：

• 如果你的终端是bash, sh, ksh, zsh中的一个，那么输入：

source ~/tensorflow/bin/activate

• 如果你的终端是csh,tcsh，那么输入：

source ~/tensorflow/bin/activate.csh

如果不知道的话，那就输入第一个，Ubuntu默认是第一个，之后，命令行前会多出白色**（tensorflow）**
4.保证pip的版本不低于8.1，再虚拟环境中输入：

easy_install -U pip

5.安装tersorflow-gpu版本：

• Python 2.7版本：

pip install --upgrade tensorflow-gpu

• Python 3.x版本：

pip3 install --upgrade tensorflow-gpu

经过这一步骤之后，tensorflow就安装完成了。

如果安装速度慢，且没法翻长城的话，可以使用清华的源，超级快

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

• 以后，如果需要使用tensorflow，则打开终端输入：

source ~/tensorflow/bin/activate

• 如果需要关闭虚拟环境，输入

deactivate

测试
1.打开python3环境，输入查看版本和路径：

import tensorflow as tf
tf.__version__     
tf.__path__  

2.在python环境下，输入下面代码，如果看到GPU信息，即tensorflow-gpu版本安装成功

import tensorflow as tf
tf.Session()