扫雷之路：Ubuntu16.04+CUDA9.0+TensorFlow1.6

随着深度学习的流行，Ubuntu系统的安装量也逐年上升。网上关于Ubuntu+深度学习框架的安装介绍博客层出不穷，有些确实能帮我们避坑，但有些由于信息表述不全可能让某些需要江湖救急的同学遇到新坑。
前几天，装有双系统的电脑突然出现了Ubuntu16.04的循环登录问题。上网查找解决方案未果，只得重装。考虑到下次还可能遇到重装的“机会”，特将本次测试通过的“Ubuntu16.04+TensorFlow1.6”安装过程记录如下，作为避坑宝典。

---

###一. Ubuntu16.04

关于Ubuntu系统的安装，网上有很多指导的安装方法。我装Ubuntu的目的在于使用深度学习框架，以下给出Win10+Ubuntu16.04双系统的安装方法。

• **准备磁盘空间：**在Win10系统下，打开磁盘管理器压缩出一个单独的盘用于Ubuntu的使用，压缩出来的盘应处于“未分配”状态。
• **刻录U盘：**下载Ubuntu16.04的镜像文件，使用UltraISO刻录软件刻录U盘启动盘。
• **BIOS设置：**重启电脑，进入BIOS，关闭Windows系统的快速启动（Fast Boot）选项。在BIOS中设置U盘为第一启动项，关闭电脑。
• 安装Ubuntu

1. 从U盘启动，进入刻录在U盘的Ubuntu系统。
2. 按步骤流程，根据提示安装。
3. 安装类型
   如果选“安装Ubuntu，与其他系统共存”，那么系统将自动在未分配的那部分空间按默认设置安装Ubuntu。如果选择“其它选项”，那么将需要自己选择用于安装Ubuntu的位置以及其他路径的挂载设置。这里我们选择“其它选项”，并将所有未分配空间挂在到根目录"/" （只有根目录是必须挂载的），文件系统设置为EXT4。
4. 设置后续的地理位置（推荐选择你实际所在位置，软件源服务器的默认选择取决于此），设置账户名、机器名、密码，等待安装完成。

---

二. CUDA9.0

#####1. 安装显卡驱动
装有NVIDIA显卡的电脑，装完Ubuntu16.04之后图形界面使用的是默认的集成显卡，因此还需要安装显卡驱动。
【说明】接下来的CUDA安装可能会自动安装NVIDIA Driver，因此可以尝试跳过显卡驱动安装步骤。Anyway，我是先单独装了显卡驱动后，再进行的后续步骤。如果求安全，那就遵循我的流程来。

• 从NVIDIA官网下载本机显卡对应的驱动安装文件，例如：GeForce GTX 980 TI
  
• 卸载可能存在的旧版NVIDIA驱动（对于新系统，可省略）

$sudo apt-get remove --purge nvidia*

• 安装驱动可能需要的依赖（可选）

$sudo apt-get update
$sudo apt-get install dkms build-essential linux-headers-generic

• 将nouveau驱动加入黑名单

$sudo nano /etc/modprobe.d/blacklist-nouveau.conf

在新建文件 blacklist-nouveau.conf 中加入如下内容：

  blacklist nouveau
  blacklist lbm-nouveau
  options nouveau modeset=0
  alias nouveau off
  alias lbm-nouveau off

• 禁用nouveau内核模块

$echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf
$sudo update-initramfs -u

• 重启后，进入字符终端界面（Ctrl+Alt+F1），关闭图形界面管理器

$sudo service lightdm stop

• cmd进入到驱动文件目录，安装驱动

$sudo chmod u+x NVIDIA-Linux-x86_64-361.45.11.run
$sudo ./NVIDIA-Linux-x86_64-361.45.11.run

• 驱动安装结束后，恢复图像界面管理器，并重启。

 $sudo service lightdm start
 $reboot

#####2. 安装CUDA9.0
写这篇博客的最重要的原因是：TensorFlow官网安装界面的最新版本CUDA9.1和TensorFlow1.6 根本是个坑!!! 我最开始按着官网指导流程走到了最后，测试TensorFlow时出现了"Error: can not find cublas9.0.so"。上网查了一些方法觉得不靠谱，因此才决定重来一遍。只是将CUDA9.1换成了CUDA9.0, 结果成功了！由此判断TensorFlow1.6并不支持CUDA9.1或者说支持得不好。所以，“不要安装最新版本“”是个亘古不变的真理！实践证明CUDA9.0+TensorFlow1.6是可以的。 【下载CUDA9.0】

• **装前检查 **
  根据官网指导，一步一步检查CUDA的预装条件，包括处理（可能是卸载）此前安装的NVIDIA Driver：

$sudo apt-get --purge remove <package_name>          # cuda* and nvidia* respectively

• **安装方式 **
  这里有Runfile Installation和Package Installation两种方式。从操作的简单性和可靠性而言，强烈推荐采取Package Installation。考虑到网络的稳定性问题，推荐选择下载deb(local)，因为deb(network)需要在线获取pub-key，很可能由于网络问题一直卡住。在字符终端界面（Ctrl+Alt+F1）执行以下四行命令即可（Ignore those Patch）：
  
• **检验安装 **
  重启后，打开终端输入：

$nvidia-smi
$nvcc -V

如果cmd界面有信息输出，则表明文件安装正常。输入第二条命令时，可能会提示未安装cuda-toolkits，按提示的命令（仅一行命令，无坑）安装后，即可正常调用”nvcc -V”查看cuda版本。
继续按照官网指导界面的验证步骤：7.1 Mandatory Actions 以及 7.2 Recommended Actions，直到测试通过。

#####3. 安装cuDNN
cuDNN的安装主要是下载文件，并复制到指定目录，相对简单。这里选择下载压缩包的方式操作。首先选择与已安装的CUDA9.0相符合的版本，这里不推荐选最新版本，测试通过的机器选择的是：cuDNN v7.0.5

下载”cuDNN v7.0.5 Library for Linux”之后，按以下官网指示的步骤进行操作。安装完成后，验证还需要额外下载以上列表中的Code Samples and User Guide for Ubuntu16.04(Deb)提供测试样例代码。

最后根据TensorFlow官网安装流程，还要运行以下命令安装libcupti-dev。值得说明的是，直接按官网提示输入：$sudo apt-get install cuda-command-line-tools, 将提示找不到这个库。实际上，在最后加个版本号之后：$sudo apt-get install cuda-command-line-tools-9.0，将显示该库已安装妥当，继续后面的TensorFlow安装即可。

---

###三. TensorFlow1.6
安装好NVIDIA Driver和CUDA, cuDNN之后，只要保证了各个模块版本兼容，TensorFlow的安装十分简单。这里选择虚拟环境Anaconda的安装方式：

【注意】最后一步中那个URL即决定了TensorFlow的版本，2018.03.17提供的是1.6（与cuda9.1不兼容，与cuda9.0兼容）。也可通过conda install -c conda-forge tensorflow-gpu=1.14.0指定版本（查看Annoconda支持的版本：conda search tensorflow）
最后，在cmd终端输入以下测试程序，不报错则说明安装成功了。

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

###其他说明：

1. PyCharm安装
   从PyCharm官网下载Ubuntu版：https://www.jetbrains.com/pycharm/download/#section=linux。解压下载安装包，打开终端cmd定位到解压目录下的pycharm-xxx/bin，运行pycharm.sh即可打开Pycharm软件的界面。这时将图标锁定到任务栏可能显示为“灰色问号图标”。这是因为第一次运行该命令时，系统自动在 ~/.local/share/applications 目录下创建了快捷方式jetbrains-pycharm-ce.desktop，我们只需要去该目录删除这个快捷方式文件即可。
2. 宇宙最强命令：$sudo apt-get install -f
   不同于apt命令，dpkg是Debian软件包管理器的基础，被用于安装、卸载和供给和.deb软件包相关的信息。dpkg本身是一个底层的工具，本身并不能从远程包仓库下载包以及处理包的依赖的关系，需要将包从远程下载后再安装。因此，很有可能在用dpkg命令安装软件时，报出依赖关系不满足的错误"error: unmet dependencies"。这时，可以尝试运行这条宇宙最强命令，系统将自动去解决安装所依赖的包。再次运行dpkg安装命令即可。
3. 软件源设置
   在Ubuntu系统的安装过程中，会有选择地理位置的步骤。这个位置除了用于决定显示时间的时区，还与系统默认设置的软件源有关，一般设置距离目标机器地理位置近的软件源服务器。如果你安装过程填选的位置与你实际位置距离较远，那么你在cmd终端运行软件列表更新命令：$sudo apt-get update时，就可能出现卡住的现象。当然有时候是其他原因导致的软件源列表更新卡顿。这时候你可以尝试手动更改系统的软件源服务器选择。

---

Notice: 本人对Linux系统不太熟悉（仅半年经验），这篇博客仅是记录一套经实践检验切实可行的安装方案。其间如果有表述不准确或者错误的地方，欢迎留言指正！