Ubuntu17.10 安装CUDA-9.1 + cuDNN-7.1 + tensorflow

最近由于突然断电，导致机器的显卡驱动出了问题，所以需要重新安装CUDA。正好就在这里总结一遍，顺便把cuDNN和tensorflow也一起安装了。

工作平台：AMD Ryzen 1800X + Ubuntu17.10 + Nvidia 1060 6G

安装之前，务必提醒：请仔细参阅Nvidia的官方安装说明https://docs.nvidia.com/cuda/，这个比网上的教程都有用。

一. 安装Nvidia显卡驱动。

1. 移除Ubuntu 自带的Nouveau驱动

1）查看nouveau驱动

lsmod | grep nouveau

如果有显示的话，需要移除。

2）移除nouveau驱动

sudo emacs /etc/modprobe.d/blacklist-nouveau.conf #创建nouveau.conf文件

blacklist nouveau
options nouveau modeset=0 #输入这两行

然后在终端输入

sudo update-initramfs –u

再次运行 lsmod | grep nouveau 检查是否禁用成功，如果运行后没有任何输出，则代表禁用成功。

3）禁用X服务

sudo service lightdm stop

2. 查看并下载GPU对应的驱动版本。

去官网（http://www.nvidia.com/Download/index.aspx?lang=en-us）查看GPU对应的驱动版本。

我下载的是 NVIDIA-Linux-x86_64-390.25.run。

chmod +x NVIDIA-Linux-x86_64-390.25.run
sudo ./NVIDIA-Linux-x86_64-390.25.run
#注意如果是双显卡（intel集显+Nvidia独显），则应该安装命令需要改为
sudo ./NVIDIA-Linux-x86_64-390.25 -no-opengl-libs
#这样做的目的是只让集显负责输出图像，独显不输出，所以到时候显示器要连集显

3. 安装CUDA-Toolkit

到官网（https://developer.nvidia.com/cuda-downloads?target_os=Linux）查找适用于GPU的CUDA版本，我下载的是CUDA9.1版本。需要说明的是，网上好多文章都是选择.deb(network)方式安装，但是我始终没有成功，所以我这里选择了.runfile文件（cuda_9.1.85_387.26_linux.run）本地安装。

另外需要特别注意的是，cuda9.1的安装不支持gcc7.0，而Ubuntu17.10本身自带的gcc版本是7.0，所以需要先安装版本较低的gcc（我安装了gcc-5），然后将gcc可执行文件重新软链接到gcc-5，

sudo apt-get install gcc-5 g++-5
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50

然后就是安装.run文件即可。

chmod +x cuda_9.1.85_387.26_linux.run
sudo ./cuda_9.1.85_387.26_linux.run

接下来安装过程中程序会问一系列的问题，需要特别注意的是CUDA安装包里已经包含了Nvidia显卡的驱动程序，由于在步骤2中已经安装了驱动，所以这里就不需要再次选择安装驱动了。安装完后，将CUDA的安装路径写入环境变量中

export PATH=/usr/local/cuda-9.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda

重启机器后，检查驱动是否安装完好

nvidia-smi
cat /proc/driver/nvidia/version

检查CUDA安装版本

nvcc -V

重启图形化界面

sudo service lightdm start 

至此CUDA-Toolkit安装完毕。

二. 安装cuDNN

在安装TensorFlow之前，需要安装cdDNN框架。

去官网（https://developer.nvidia.com/rdp/cudnn-download）下载cuDNN。

参见这边文章（https://blog.csdn.net/lengconglin/article/details/77506386），下载三个文件后，依次安装即可

sudo dpkg -i libcudnn7_7.1.3.16-1+cuda9.1_amd64.deb
sudo dpkg -i libcudnn7-dev_7.1.3.16-1+cuda9.1_amd64.deb
sudo dpkg -i libcudnn7-doc_7.1.3.16-1+cuda9.1_amd64.deb

或者下载对应的.tgz文件，然后解压安装，

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*

这样cuDNN就安装完了。

安装完毕后参考官网教程（https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#axzz4qYJp45J2）进行测试。

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

显示结果为

Test Passed!

三. 安装TensorFlow（TF）

1. 安装准备。参考官方安装文档（https://www.tensorflow.org/install/install_linux?hl=zh-cn#InstallingNativePip），我要安装支持GPU的TF版本。之前CUDA和cuDNN已经安装完毕，还需要安装libcupti-dev库

sudo apt-get install cuda-command-line-tools-9-1

然后把路径添加到动态链接库环境变量里

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

2. 原生pip安装TF

根据教程，我选择了原生pip安装TF。

首先安装python3.4+和pip3。由于我已经自行安装了python3.6，所以只需要安装pip3即可。

sudo apt-get install python3-pip python3-dev 

接下来通过pip3安装TF即可

pip3 install tensorflow-gpu

这个过程非常慢。

或者可以通过tfBinaryURL安装，tfBinaryURL是指对应Python版本的TF安装包，即

pip3 install --upgrade tfBinaryURL #请参考官网说明下载对应Python版本的TensorFlow安装包

安装完后，参考官网教程进行验证即可。

至此，CUDA9.1+cuDNN+TensorFlow安装完毕。

2018.5.12日更新：CUDA9.1与tensorflow1.7似乎不兼容

由于GPU版本的TF下载速度很慢，今天一早才安装完毕。我尝试做了TF的测试，发现报错：

ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

经过查询，很可能是因为CUDA9.1与通过pip3安装的TF版本不兼容造成的（https://github.com/tensorflow/tensorflow/issues/15604），我会再考察一下如何解决这一问题。

已经解决此问题：

造成上面问题的原因是TF的版本不支持CUDA9.1，根据官网安装说明只支持到CUDA9.0，所以需要另外安装CUDA9.0版本，相应的cuDNN的版本也需要安装7.0。大家可以参考这篇文章（https://blog.csdn.net/tunhuzhuang1836/article/details/79545625），同时安装不同版本的CUDA和cuDNN即可。

然后先卸载TF

pip3 uninstall tensorflow-gpu

然后安装上面的文章步骤重新安装TF的GPU版本即可，经测试没有问题。