Ubuntu16.04+cuda9.0+cudnn7.3+tensorflow

Ubuntu16.04+cuda9.0+cudnn7.3+tensorflow1.12

实验室服务器出问题了。。重新配置环境记录

1 安装 Ubuntu16.04

直接在ubuntu官网上下载（之前一直都用的16.04也就一直用了），通过rufus（无比简单好用）制作启动盘，分区类型选择了GPT。用了下rufus官网（https://rufus.ie/） 上的图：

制作好启动盘之后，直接安装系统，由于只需要安装ubuntu一个系统，安装类型里选择清除整个磁盘安装ubuntu。等待一会就直接安装好了。

2 安装Nvidia驱动

2.1 先查看推荐的显卡驱动

ubuntu-drivers devices

推荐的是NVIDIA 384，所以服务器选择此版本。

2.2 禁用nouveau驱动

先在终端运行

$ lsmod | grep nouveau

如果有输出，代表nouveau驱动正在运行需要我们禁用。
先在终端中输入：

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

然后在文件最后输入（如果出现not commend，先安装vim；如果不知道怎么输入，百度如何在vim下操作）：

blacklist nouveau 
options nouveau modeset=0

接着执行：

$ sudo update-initramfs -u

最后重启，此时服务器已经无法进入图形化界面（显示一个字体很大的界面）然后按住[CTRL + ALT + F1]三个键进入命令行模式），输入账户名以及账户密码就可以进入命令行了。此时可以再次输入：

$ lsmod | grep nouveau

如果没有输出了，则已经禁用了nouveau驱动。
ps：看到有些教程重启之后好像还可以进入图形化界面，然后需要$ sudo service lightdm stop关闭图形化界面再进入命令行模式，可能是电脑不同吧。

2.3 安装NVIDIA驱动

在命令行模式下输入：

# 将系统中存在的nvidia驱动全部卸载掉（如果有的话）
sudo apt-get purge nvidia*

# 添加ppa源并更新（看到有的教程有，但我当时没有输入）
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

# 安装nvidia-384版本
sudo apt-get install nvidia-384

然后重启：

$ sudo reboot

此时已经能进入图形化界面了，然后查看驱动状态：

$ sudo nvidia-smi
$ sudo nvidia-settings

3 安装cuda9.0

3.1 下载cuda

从NVIDIA官网上下载对应版本的cuda的runfile文件

3.2 安装cuda

关闭图形化界面：

$ sudo service lightdm stop

然后按Ctrl+Alt+F1进入命令行界面，然后cd到cuda的目录下：

sudo sh cuda_9.0.176_384.81_linux.run

借用下别人的图（后面给参考的CSDN链接）

然后一直回车或者空格刷到底部：

然后出现各种是否同意的选项：
第一个accept，然后询问是否安装NVIDIA驱动，由于之前安装过所以填no，其他的都填yes就可以，并且安装到默认路径就可以。
恢复到图形化界面：

$ sudo service lightdm start

3.3 设置环境变量

sudo gedit ~/.bashrc

然后在打开的profile末尾加上：

export PATH="$PATH:/usr/local/cuda-9.0/bin"
export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64"

关闭profile，然后输入：

source ~/.bashrc

3.4 验证cuda是否安装成功

$ cd /home/user_name/NVIDIA_CUDA-9.1_Samples
$ make

然后系统自动编译，大概需要十几到二十几分钟，如果编译成功会提示：Finished building CUDA samples
接着输入：

$ cd bin/x86_64/linux/release
$ ./deviceQuery  

Result = PASS代表成功,若失败 Result = FAIL
最后检查下系统和CUDA-Capable device的连接情况：

$ ./bandwidthTest

Reslut=PASS则表示成功

4 安装cudnn

注册NVIDIA的账号，然后从NVIDIA官网上下载cudnn7.3 for cuda9.0，我下载的是：

然后cd进入cudnn文件下：

$ cd /home/your_name

将三个deb文件依次安装：

$ sudo dpkg -i libcudnn7_7.3.0.29-1+cuda9.0_amd64.deb
$ sudo dpkg -i libcudnn7-dev_7.3.0.29-1+cuda9.0_amd64.deb
$ sudo dpkg -i libcudnn7-doc_7.3.0.29-1+cuda9.0_amd64.deb

然后官方安装方法里有验证教程：

$ cp -r /usr/src/cudnn_samples_v7 <span class="hljs-variable">$HOME
$ <span class="hljs-built_in">cd</span> <span class="hljs-variable">$HOME/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN

安装成功会提示：Test passed
如果提示缺少库，可以参考：

$ sudo cp /usr/local/cuda-9.1/lib64/libcudart.so.9.1 /usr/local/lib/libcudart.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcublas.so.9.1 /usr/local/lib/libcublas.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcurand.so.9.1 /usr/local/lib/libcurabd.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcudnn.so.7 /usr/local/lib/libcudnn.so.7 && sudo ldconfig

参考：https://blog.csdn.net/youngping/article/details/84207234
参考：https://blog.csdn.net/guicai1647855685/article/details/82561138
参考：https://blog.csdn.net/u012552296/article/details/79831542

5 安装anaconda

5.1 下载anaconda

在官网上下载anaconda：Anaconda3-2019.03-Linux-x86_64.sh，anaconda的安装以及新建环境都很简单。

5.2 安装anaconda

cd进入anaconda所在的文件夹

bash Anaconda3-2019.03-Linux-x86_64.sh

然后一直回车，根据自己的要求输入其安装位置。最后是否添加到用户环境变量中，其实都可以。

5.3 新建环境

新建环境：

conda create -n env_name python=3.x

启动环境：

conda activate env_name

关闭环境：

conda deactivate

5.4 安装模块

查看安装模块：

conda list

等等还有很多conda命令就不介绍了。。
参考：https://blog.csdn.net/xin_101/article/details/88624726

6 安装tensorflow

在anaconda的自己的环境中安装tensorflow1.12

pip install tensorflow-gpu==1.12

看到有的博客中说：原来是tensorflow1.10.0需要更新到1.11.0，此时因tensorflow-gpu版本和cudnn（7.0.5）版本不一样产生冲突，报错。因为tensorflow-gpu1.11.0是基于cudnn7.2的，故需要升级cudnn7.2以上版本。
参考：https://blog.csdn.net/qq_15258623/article/details/84986720