cuda9升级cuda10方法记录 ubuntu1604

由于最近的tensorflow2.0和pytorch都纷纷需要cuda10的支持，即使是使用conda安装，也要跟新driver 到410以上，以前的384版本的driver也不行了。索性就一起升级了,其中遇到很多坑，记录一下，希望能帮助大家，不过安装有风险，安装需谨慎！

===============================================================
PS:推荐一个网站，所有驱动都可以在这里下 Ubuntu 环境，这位博主真是功德无量啊

===============================================================

1、下载安装文件

（1）下载驱动
在Nvidia官网下载驱动，其中选取你们适合的驱动

点击搜索后，会到下面这个页面，然后点击下载就好

如果仅仅更新driver，执行第三行命令，删除384的驱动

#ln -sf /usr/lib/x86_64-linux-gnu/libGL.so.1 /usr/lib/libGL.so.1 缺libGL时再运行，不过不管用
#apt-get install nvidia-384 nvidia-modprobe nvidia-settings 安装384相关
apt-get remove --purge nvidia-384 nvidia-modprobe nvidia-settings #删除384相关
sh NVIDIA-Linux-x86_64-410.104.run  #我这里下载的是410

（2）下载CUDA安装文件
进入CUDA官方下载地址，然后选择适合的系统，然后下面就会有下载链接，可以下载。

最后，下载的文件放在服务器上，然后统一更改权限,可以顺利安装

chmod 755 *.run

2、删除cuda9

sudo apt-get purge nvidia-cuda*
sudo apt-get purge nvidia-*

此处一般会建议你 auto remove 一些没有用的，如果执行了，也会删除一些有用的包，到时候安装会报错，比如说
（1）

Missing recommended library: libGLU.so
Missing recommended library: libX11.so
Missing recommended library: libXi.so
Missing recommended library: libXmu.so

此时，按照这位同学的做法，再安装回去。。。

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev \
libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev 
#原文链接：https://blog.csdn.net/10km/article/details/61915535

又比如说：

The driver installation is unable to locate the kernel source

查找解决方法是参照这个网址，再安装一些

apt search linux-source   //查找对应版本的kernel source
sudo apt install linux-source-4.8.0
 
#2、再装dkms
sudo apt install sysdig-dkms

所以说大家可以试试不auto remove ,要不删除的太多了。

3、关闭显示驱动 X-server

如果是界面进入的，需要按住ctrl+alt+f1，进入命令行模式，如果连接远程服务器，就不用了。
然后输入：

sudo /etc/init.d/lightdm stop

等安装完CUDA没问题以后，如果要重启，再输入

sudo /etc/init.d/lightdm restart

4、安装驱动driver

现在就可以安装驱动了，其实CUDA的run文件里面也包含了driver文件，也可以直接安装，不过我这里直接安装不成功，我又重新安装了驱动才好，不知为什么，我有410 的安装文件

sh NVIDIA-Linux-x86_64-410.104.run

然后一路点统一，就好了，直到最后输入 nvidia-smi ，能运行就好
如果你有anaconda，你可以直接使用conda安装tensorflow了，conda会自动安装好虚拟环境中的cuda和cudnn，但是、、、但是，今天我直接安装tensorflow2是不行的，他没有自动安装。参考了这位同学的方法使用conda安装tensorflow-gpu 2.0
我们可以先按照tensorflow-gpu1.13，它是会按照cuda和cudnn的，然后再升级到tensorflow2

conda install tensorflow-gpu=1.13
pip install tensorflow-gpu==2.0

或者霸气的同学可以直接安装相关依赖

conda install cudnn=7.6.0 # 有同学说要先安装cudnn，要是后安装，conda匹配的是cuda10.1   摔。。。
conda install cuda = 10.0
conda install tensorflow-gpu=2

或者初始conda 的env就建立好cuda环境

conda create -n tf_2 python=3.7 cudnn cupti cudatoolkit=10.0

5、 安装CUDA

都走到这里了，不安装CUDA10，那肯定不行，所以就直接安装cuda10,

sh cuda_10.0.130_410.48_linux.run

然后一路确定，我记得我前面有教程，不过没有也没事，需要注意的就是：
（1）跳过前面一堆说明，按q，他就到最后了
（2）一路默认过，然后他说要不要它的驱动，点No,因为我们已经安装了

然后成功了的话，就会说安装成功，不成功有日志，查查有什么问题

他会提醒我们更改环境变量，把他们加到path和librarypath

vim ~/.bashrc
#找到当年的配置，一般都配到9.0了，现在都改为10.0

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64
export PATH=$PATH:/usr/local/cuda-10.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0

#改完后刷新环境
source ~/.bashrc

6 、安装CuDNN

这个也是要安装的，网上找一个cudnn-10.0-linux-x64-v7.6.0.64.tgz，然后解压开

tar xzvf cudnn-10.0-linux-x64-v7.6.0.64.tgz
cp cuda/lib64/* /usr/local/cuda-10.0/lib64/ #直接拷贝到cuda10下面
sudo ln -sf libcudnn.so.7.6.0 libcudnn.so.7 # 建立软连接
sudo ldconfig # 更新软连接

这就是主要的流程，如果还有其他问题，积极在网上找方法，实在不行就重启，再不行重装系统吧。。。