深度学习配置：Ubuntu 16.04.2 + GTX 1070 +CUDA 8.0 +cuDNN 5.1 + TensorFlow 安装

深度学习配置：Ubuntu 16.04.2 + GTX 1070 +CUDA 8.0 +cuDNN 5.1 + TensorFlow 安装
（单纯自己安装备份，有问题欢迎提示修改，侵犯版权请原博主谅解）

第一步：gcc,g++降级(评论说可以不需要降级，所以大家可以忽略这一步)
因为后面需要编译CUDA 8.0，好像不支持Ubuntu16.04自带的 gcc 5，所以第一步先将 gcc 和g++ 降级,我在这里使用的是4.9版本。

1.1 下载gcc/g++ 4.9

sudo apt-get install -y gcc-4.9
sudo apt-get install -y g++-4.9

1.2 链接gcc/g++实现降级

cd /usr/bin
sudo rm gcc
sudo ln -s gcc-4.9 gcc
sudo rm g++
sudo ln -s g++-4.9 g++

第二步：禁用nouveau驱动
要先禁用Ubuntu 自带的显卡驱动，才能装Nvidia显卡驱动

2.1 按Ctrl+Alt+F1进入命令提示符,新建一个黑名单文件
Ctrl+Alt+F7 是退出命令提示符

先输入用户名，再输入密码，然后就可以输入下面的命令了

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

2.2 然后再输入一下命令(这里使用的是vi，不熟悉vi的同学可以百度一下，只需要知道几个最基本的命令就可以了，比如插入，删除，保存，退出等等。)

blacklist nouveau  
options nouveau modset=0

将上述两行输入完之后。就可以保存退出了(:wq)

2.3 执行以下命令

sudo update-initramfs -u

2.4 执行 lspci | grep nouveau查看是否有内容

lspci | grep nouveau  

如果什么也没有，那就说明禁用成功了。

第三步：安装显卡驱动
我安装的是(NVIDIA-Linux-x86_64-375.39.run)这个到官网下载吧，应该有更新的了。

3.1.1 查看显卡型号

sudo lshw -numeric -C display

去 http://www.nvidia.com/Download/index.aspx 搜索你的显卡需要的驱动型号
若未显示需要哪个驱动，去下面网址查询：
https://us.download.nvidia.com/XFree86/Linux-x86/375.26/README/supportedchips.html

若显卡型号是GeForce 940M

可以看到我的显卡对应的驱动型号是384.111
为了再次确认，使用命令查看我可以使用的显卡驱动：

ubuntu-drivers devices

可以看到我适用的显卡驱动的确是384
通过命令下载

sudo apt-get install nvidia-driver-384 // 自己的版本

安装很慢的话可以去System->settings->Software&Updates更换源为阿里云
然后在执行命令

sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev

重启电脑就完成了，可以在dash中搜索到NVIDIA X Server
左边明显少了很多东西，然后实验室的小伙伴找到的这篇文章给我装驱动的帮助很大：https://zhuanlan.zhihu.com/p/25193943 这里面包括禁用可能导致问题的开源驱动、卸载已有驱动等的方法都很全。（需要注意的是不要盲目复制安装命令，注意将375要改成适配自己显卡的版本，例如我是384）

3.2.1 另外一个版本-----先下载驱动，然后安装。
（给BKX安装时候：显示型号NVIDIA 1C20。但是 查看我可以使用的显卡驱动：ubuntu-drivers devices时为384，所以使用第一种方法安装。结果：失败
小米笔记本有专门的安装套路 自己谷歌，安装完NVIDIA之后在按照后面的继续安装）

Ctrl+alt+F1，输入用户名，密码，进入命令行。关闭图形界面

sudo service lightdm stop 

3.2.2 安装驱动(当然先cd到驱动所在目录)

ls
pwd
cd Downloads/CUDA/

sudo chmod 755 NVIDIA-Linux-x86_64-375.39.run  //获取权限  
sudo ./NVIDIA-Linux-x86_64-375.39.run -no-x-check -no-nouveau-check -no-opengl-files //安装驱动  

在这里特别强调以下，好像直接输入sudo ./***.run 会出现循环登录的问题 后面最好加上 -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 安装时只装驱动文件，不安装Opengl

安装过程选项
The distribution-provided pre-install script failed! Are you sure you want to continue? 选择 yes 继续。

Would you like to register the kernel module souces with DKMS? This will allow DKMS to automatically build a new module, if you install a different kernel later? 选择 No 继续。
问题没记住，选项是：install without signing
问题大概是：Nvidia’s 32-bit compatibility libraries? 选择 No 继续。
Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up. 选择 Yes 继续

3.2.3 驱动安装完成后

sudo service lightdm start 

然后Ctrl+Alt+F7返回正常界面

3.2.4 安装完成之后输入下面的命令

nvidia-smi  

显示信息类似于下面的：

第四步：安装CUDA8.0

我安装的是cuda_8.0.61_375.26_linux.run

4.1 cd到CUDA文件所在的目录

sudo sh cuda_8.0.61_375.26_linux.run

除了第二项“”是否安装显卡驱动“选择no之外，其他全部按照默认设定
安装过程显示如下信息

4.2 然后点空格键跳过这些说明，看到如下信息:

(Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?这一个必须选no，因为一般CUDA中带的驱动可能会老一些，选no这样就不会替代我们刚装好的驱动。)

Do you accept the previously read EULA?

accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?

(y)es/(n)o/(q)uit: n

Install the CUDA 8.0 Toolkit?

(y)es/(n)o/(q)uit: y

Enter Toolkit Location

[ default is /usr/local/cuda-8.0 ]:

Do you want to install a symbolic link at /usr/local/cuda?

(y)es/(n)o/(q)uit: y

Install the CUDA 8.0 Samples?

(y)es/(n)o/(q)uit: y

Enter CUDA Samples Location

[ default is /home/username ]:

Installing the CUDA Toolkit in /usr/local/cuda-8.0 …

Missing recommended library: libGLU.so

Missing recommended library: libX11.so

Missing recommended library: libXi.so

Missing recommended library: libXmu.so

Missing recommended library: libGL.so

Installing the CUDA Samples in /home/username …

Copying samples to /home/username/NVIDIA_CUDA-8.0_Samples now…

Finished copying samples.

===========

= Summary =

===========

Driver: Not Selected

Toolkit: Installed in /usr/local/cuda-8.0

Samples: Installed in /home/username, but missing recommended libraries

Please make sure that

• PATH includes /usr/local/cuda-8.0/bin

• LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-8.0/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-8.0/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 361.00 is required for CUDA 8.0 functionality to work.

To install the driver using this installer, run the following command, replacing with the name of this run file:

sudo .run -silent -driver

Logfile is /tmp/cuda_install_8175.log

---

到此CUDA安装完毕

4.3 设置环境变量

sudo vi /etc/profile

在文件最后加上下面两句（如果你安装时使用的是默认路径的话）

export PATH=/usr/local/cuda-8.0/bin:$PATH 
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

使环境变量立即生效

sudo ldconfig

4.4 因为接下来安装Samples需要make，所以得先装好一些库和依赖

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev  libglu1-mesa libglu1-mesa-dev libgl1-mesa-glx  

4.5 安装CUDA自带的Samples

cd /usr/local/cuda/samples
sudo make all

编译时间较久，编译完之后

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

若出现显卡信息，则说明安装完成了

第五步：安装Cudnn 5.1

去官网下载，Cudnn v5.1。需要注册账号的
下载后解压，然后得到一个cuda文件夹，（cd到cuda文件夹所在目录）然后执行下列命令

sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*
sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5  
sudo ln -sf libcudnn.so.5 libcudnn.so  
sudo ldconfig

到此我们就安装好 显卡驱动+ cuda 8.0 + cudnn 5.1了，下面开始安装anaconda+tensorflow.

第六步：安装Anaconda3

去官网下载linux版本的
然后执行

bash Anaconda3-4.3.1-Linux-x86_64.sh

回车后，是许可文件，接收许可，anaconda将安装在~/anaconda目录下，直接回车就好。

最后会询问是否把anaconda的bin添加到用户的环境变量中，选择yes。

安装成功以后，在终端输入

source ~/.bashrc

让.bashrc中添加的路径生效。

当然，你也可以手动完成环境变量的修改：

首先打开环境变量的文件

gedit ~/.bashrc

然后在文件末尾加入 anaconda3 的路径

export PATH=/home/你的路径/anaconda3/bin:$PATH

最后使我们的改动生效

source ~/.bashrc

这样，我们在terminal中输入python就会默认打开anaconda3里默认的python了

第七步：安装Tensorflow(GPU版)

创建Tensorflow的运行环境

conda create -n tensorflow python=3.5

激活环境,使用 pip 安装 TensorFlow-GPU

source activate tensorflow
pip install tensorflow-gpu keras # 安装 gpu 版本的 tensorflow 和 keras
pip install tensorflow-gpu==1.2.0rc1  #必须注意对应型号！！！由于系统是Ubuntu64为，安装支持GPU版的TensorFlow，刚才创建TensorFlow的时候Python选择的3.5版本，且我们的CUDA为8.0，CuDNN 为5.1,一定要找到对应的版本。下面的链接中"1.2.0rc1"为版本号，可以根据最新的版本更改
(tensorflow)$ pip install --ignore-installed --upgrade $TF_BINARY_URL

安装完成后，我们使用如下命令，即可检验是否成功：

python -c "import keras"

如果看到如下输出，就说明安装成功

若不成功
就

anaconda-navigator

进入图形界面
进入库进行安装tensorflow gpu

如果习惯使用 jupyter，所以等上面安装好之后，又安装了jupyter

(tensorflow)$ pip install jupyter

当然根据实际需要还需要安装pandas，matplotlib, scipy, scikit-learn，等等。

需要在jupyter里使用TensorFlow时。
首先执行 source activate tensorflow
然后再执行 jupyter notebook就可以了。
不然直接在终端里执行jupyter notebook 进入的是没有安装TensorFlow的jupyter。