Ubuntu16.04安装GPU环境（NVIDIA驱动、CUDA、CUDNN、Tensorflow-GPU安装）

Table of Contents

一、安装NVIDIA驱动

二、gcc降版本

三、安装CUDA

​

四、安装CUDNN

五、安装Tensorflos-gpu

安装过程中遇到的一些问题：

问题1. 更新内核警告

问题2. 安装警告

问题3.循环登录或者其他安装失败等问题

---

本机环境：显卡 NVIDIA GTX 1050，Ubuntu16.04，Python3.6.7（虚拟环境安装）

安装版本：NVIDIA 410.48，CUDA9.0，CUDNN-v7.3.1 for CUDA9.0，Tensorflow-GPU==1.11.0

一定要选择TensorFlow对应的版本进行下载，否则版本出错的话，可能需要重新安装。

对于版本的对应问题，可以参见这篇博客，写的很详细。

以下是下载安装包的网址：

NVIDIA驱动下载，CUDA下载，CUDNN下载

一、安装NVIDIA驱动

1.删除旧的驱动

sudo apt-get purge NVIDIA*

2.禁用自带的 nouveau nvidia驱动

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

在文件中添加以下内容

blacklist nouveau
options nouveau modeset=0

然后

sudo vim /etc/modprobe.d/blacklist.conf

在文件中添加以下内容

blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb

4.然后更新一次

sudo update-initramfs -u

如果输入以上命令后出现警告，查看解决办法。

5.修改之后需要重启系统，使用以下命令确认下Nouveau是不是已经被干掉，如果没反应则表示已经干掉

lsmod | grep nouveau

6.然后需要以下命令结束X-window服务，准备安装驱动

sudo service lightdm stop   # 结束X-window服务

7.使用Ctrl+Alt+F1切换到tty1控制台，cd到你下载的NVIDIA驱动文件目录下（我的目录 /home/NVIDIA-Linux-x86_64-410.73.run），安装驱动

sudo sh ./NVIDIA*.run -no-x-check -no-nouveau-check -no-opengl-files

-no-x-check：安装驱动时关闭X服务

-no-nouveau-check：安装驱动时禁用nouveau

-no-opengl-files：只安装驱动文件，不安装OpenGL文件

出现什么failed之类的选择continue或者yes就可以了。

如果安装完成后出现循环登录的问题，看文章末尾的解决办法。

8.等待安装完成，重新启动X-Window

sudo service lightdm start

9.进入图形界面（如果无法进入图形界面，参考文章末尾的解决办法），使用命令 nvidia-smi 检查安装是否成功

nvidia-smi
nvidia-settings

没有nvidia-settings，可以尝试使用 sudo apt-get install nvidia-settings进行安装

如果有如下图的显示，则表明安装成功

输入命令 nvidia-settings 出现下图所示

如果没有上图出现，可以尝试从第1步重新安装，或者可以尝试直接使用以下命令安装（其中410为我之前下载以及安装的版本），然后重启电脑，再使用命令 nvidia-smi   nvidia-settings 查看状态（为了nvidia-settings能出现上图，折腾了好久，重新安装了好多次，如果有耐心，最终也能成功的，虽然最后糊里糊涂的把问题解决了，我提供的解决方案仅供参考，每个人遇到的问题都不一样）

sudo apt-get install nvidia-410-dev

二、gcc降版本

Ubuntu的gcc编译器是5.4.0，然而cuda不支持5.0以上的编译器，因此需要降级，把编译器降到4.9：

sudo apt-get install g++-4.9 
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20 
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10 
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20 
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10 
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30 
sudo update-alternatives --set cc /usr/bin/gcc 
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30 
sudo update-alternatives --set c++ /usr/bin/g++

使用命令gcc -v查看gcc版本

三、安装CUDA

在cuda所在目录打开终端输入以下命令（之前下载的CUDA文件，在/home/下载/目录下）

sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

安装完成后，运行如下命令打开profile文件

sudo gedit /etc/profile

打开文件后在文件末尾添加路径，也就是安装目录，命令如下（若不添加这些内容，不能使用nvcc -V查看CUDA信息）：

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

export  LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH

保存后执行一个命令后重启电脑

sudo ldconfig
sudo reboot

 查看版本和测试CUDA的例子

# 查看版本
nvcc --version

出现如下信息：

# 编译例子测试
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

若出现以下信息表明安装成功

四、安装CUDNN

在cudnn所在目录打开终端输入以下命令（之前下载的CUDNN文件，在/home/下载/目录下）

tar xvzf cudnn-9.0-linux-x64-v7.3.1.20.tgz              #(解压)
sudo cp cuda/include/cudnn.h /usr/local/cuda/include    #(复制) 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64      #(复制) 
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

安装完成CUDA和CUDNN之后使用以下命令验证是否安装成功

cat /usr/local/cuda/version.txt 
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

以下是我的安装成功后的状态

五、安装Tensorflos-gpu

首先确定你电脑上的Python版本（我的版本是3.6.7）

使用以下命令安装Tensorflow（在虚拟环境安装的话不加sudo，这样才能安装到虚拟环境中，否则加sudo的话，这样会安装到全局环境中。如果网络不好的话，可能中途失败，不要灰心，再来一次，可能就安装成功了）

sudo pip install tensorflow==1.11.0       # Python 2.7; CPU support (no GPU support) 
sudo pip3 install tensorflow==1.11.0      # Python 3.n; CPU support (no GPU support) 
sudo pip install tensorflow-gpu==1.11.0   # Python 2.7; GPU support  
sudo pip3 install tensorflow-gpu==1.11.0  # python3.n;  GPU support

安装的时候可以使用国内源，可以大大提升下载速度和安装成功率，比如下边使用了清华的源，更多的使用可以看这里

sudo pip3 install tensorflow-gpu==1.11.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

验证安装是否安装成功

进入python解释器（终端输入python或者python3），进行测试：

import tensorflow as tf
with tf.device('/cpu:0'):
    a=tf.constant([1.0,2.0,3.0],shape=[3],name='a')
    b=tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:0'):
    c = a + b
sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

出现以下内容表明GPU版安装成功：

以下是我的完整显示：

安装成功，心累啊！

安装过程中遇到什么问题，欢迎随时交流，一起解决。

安装过程中遇到的一些问题：

问题1. 更新内核警告

出现如下警告

sudo update-initramfs -u
W: Possible missing firmware /lib/firmware/i915/kbl_guc_ver9_14.bin for module i915
W: Possible missing firmware /lib/firmware/i915/bxt_guc_ver8_7.bin for module i915

到这个网页下载自己缺失的文件即可，然后使用以下命令放到响应的位置

sudo cp kbl_guc_ver9_14.bin /lib/firmware/i915
sudo cp bxt_guc_ver8_7.bin /lib/firmware/i915

 

问题2. 安装警告

如果出现如下警告：

WARNING: Unable to find a suitable destination to install 32-bit compatibility libraries. Your system may not be set up for 32-bit compatibility. 32-bit compatibility files will not be installed; if you wish to install them, re-run the installation and set a valid directory with the --compat32-libdir option.
可以使用如下命令，然后再重新安装驱动（先卸载再安装）

sudo aptitude install ia32-libs

问题3.循环登录或者其他安装失败等问题

重启电脑进入BIOS，将secure boot设置为disable。

可能有的主板没有这个选项，对于华硕主板可以进入BIOS -> Boot -> Secure Boot -> OS Type，然后将Windows UFEI mode 切换为Other OS。