linux cuda安装_ubuntu16+python3.5+cuda8+cudnn6+tensorflow1.4安装指南

每次安装配置出现问题，网上一堆资料需要筛选，自己配置成功的总结步骤如下，帮助给需要的朋友：

CUDA cuDNN tensorflow版本对应关系

CUDA8.0 cuDNN v5.1 tensorflow1.2及以下版本

CUDA8.0 cuDNN v6 tensorflow1.3、1.4

CUDA9.0 cuDNN v7 tensorflow1.5及以上版本

考虑到新版本可用资源少，我们选择安装cuda8.0+cudnn6.0+tensorflow1.4

第一步：安装依赖包

输入命令:

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

sudo apt-get install --no-install-recommends libboost-all-dev

sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

sudo apt-get install git cmake build-essential

第二步：安装显卡驱动

最重要的是知道你该装那个版本的驱动，方式如下：

sudo apt-cache search nvidia*

结果如下：

可以看到电脑最高可支持nvidia-375.66的驱动

卸载掉原有驱动

sudo apt-get purge nvidia*

禁用Ubuntu自带的显卡驱动nouveau

输入命令： sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

往文件中写入：

blacklist nouveau

options nouveau modeset=0

保存并退出。

之后sudo reboot重启系统。

在终端执行命令：

lsmod | grep nouveau

查看nouveau模块是否被加载。如果什么都没输出，则执行下一步。

PS：特别注意！

虽然CUDA 9.1 安装包里说需要安装384.00版本之后的驱动，但是亲测384.98和384.111都是不支持CUDA 9.1的。所以假如无法安装CUDA 9.1安装包里自带的387版本的驱动，那么就放弃CUDA 9.1，转而下载安装CUDA 9.0。CUDA 9.0是支持384.xx版本的驱动的，配置方法完全相同，只是路径中若出现cuda-9.1的地方改成cuda-9.0即可。

1.安装GPU（系统适配，不采取手动安装的方式）

（通过下载nvidia驱动后手动安装，禁核显驱动的方式容易导致重启后循环登录，不建议采用该方式。）

关闭bios里的secure boot(否则无法使用显卡驱动)

设置----软件和更新----附加驱动----使用NVIDIA....(专有)----应用更改----（之后为半小时的等待）-----提示重新启动

终端中输入

nvidia-smi

返回以下结果则说明显卡安装完毕。

或通过输入：nvidia-settings

第三步：配置环境变量

sudo gedit ~/.bashrc

打开后在文件最后加入以下两行内容：

export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

保存并退出。

第四步：安装 CUDA 8.0

CUDA可在https://developer.nvidia.com/cuda-downloads下载。
进入目录,执行安装文件:

sudo sh ./cuda_8.0.61_375.26_linux.run

需要一直按住ENTER键，直到100%，然后按照提示操作即可，先输入 accept ，是否安装显卡驱动选择no。
后面选项答案依次为：
accept n y /usr/local/cuda-8.0 y y /home/zhoutao

· 声明环境变量

sudo gedit ~/.bashrc

将下面两行代码写到文件末尾

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

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

source ~/.bashrc

· 设置环境变量和动态链接库
sudo gedit /etc/profile
在打开的文件末尾加入：
export PATH=/usr/local/cuda-8.0/bin:$PATH

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

· 保存之后，创建链接文件：
sudo gedit /etc/ld.so.conf.d/cuda.conf
在打开的文件中添加如下语句：
/usr/local/cuda-8.0/lib64
然后执行以下命令使链接立即生效。
sudo ldconfig

· 检验CUDA 是否安装成功，安装完cuda后必须重启电脑，才能让显卡配置生效！输入：

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

sudo make

sudo ./deviceQuery

如果返回你电脑显卡信息，结尾有Result=PASS，则安装成功。如图：

Ps：若fail，可能就是驱动版本问题。

PS:卸载CUDA 9.0 的方法：

cd /usr/local/cuda/bin

sudo ./uninstall_cuda_9.0.pl

卸载完成后如果显示：Not removing directory, it is not empty: /usr/local/cuda-9.0 ，假如需要重装CUDA 9.0的话就把这个文件夹删除。在/usr/local/路劲下输入：

sudo rm -r cuda-9.0

第五步：安装cuDNN V6

下载地址：https://developer.nvidia.com/cudnn
cudnn-8.0-linux-x64-v6.0.tgz
进入下载目录：

tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz

cd cuda

sudo cp lib64/lib* /usr/local/cuda-8.0/lib64/

sudo cp include/cudnn.h /usr/local/cuda-8.0/include/

sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*

cd /usr/local/cuda-8.0/lib64/

sudo chmod +r libcudnn.so.6.0.21 # 替换为自己的版本

sudo rm -rf libcudnn.so libcudnn.so.6 #删除原有动态文件

sudo ln -sf libcudnn.so.6.0.21 libcudnn.so.6 #生成软衔接

sudo ln -sf libcudnn.so.6 libcudnn.so #生成软链接

sudo ldconfig

sudo gedit /etc/profile

sudo gedit ~/.bashrc

添加环境变量如下：

export CUDA_HOME=/usr/local/cuda-8.0

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

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

source ~/.bashrc

第六步：Matlab的安装

下载：

matlab201安装包及Crack破解文件,要下载三个文件:

MATHWORKS_R2014A.part1.rar、MATHWORKS_R2014A.part2.rar,、Crack，共7G多。

解压：

先在终端执行sudo apt-get install rar安装rar，再cd到三个下载文件所在的目录，在终端执行rar x MATHWORKS_R2014A.part1.rar（执行过程中part2也会被解压），解压后就会得到MATHWORKS_R2014A.iso文件。

挂载并安装：

执行以下命令，会将iso文件挂载到Ubuntu，出现图形界面开始安装。

sudo mkdir /home/zhoutao/matlab2014

sudo mount -o loop /home/zhoutao/MATHWORKS_R2014A.iso /home/zhoutao/matlab2014

cd /home/zhoutao/matlab2014

sudo ./install

注意事项：

1、选择“不联网安装”：“Use a File Installation Key”；
2、当出现密钥时，输入20个数字12345-67890-12345-67890即可；
3、安装路径默认为：/usr/local/MATLAB/R2014a,然后选择自己需要安装的工具（默认全选）；符号链接也为默认：/usr/local/bin。
4、需要激活时选择不要联网激活”Activate manually without the Internet”，运用Crack目录下的“license_405329_R2014a.lic”文件作为激活文件。
5、安装完成之后，还要将Crack/linux目录下的libmwservices.so文件拷贝到/usr/local/MATLAB/R2014a/bin/glnxa64,即：

cd /home/zhoutao/Crack/Linux

sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/

6、 改变权限。（建议选择）为了避免每次都用root权限打开matlab，

cd /usr/local/MATLAB/R2014a/bin

./matlab

添加环境变量：

gedit ~/.bashrc

添加：export PATH=/usr/local/MATLAB/R2014b/bin/:$PATH

保存退出后：source ~/.bashrc

命令行输入matlab就可以打开matlab

第七步：Python的安装

https://www.cnblogs.com/QG-whz/p/6765107.html

查看版本：python --version

1、Ubuntu自带的Python2.7的版本

sudo apt-get install python2.7

Python3.5版本

sudo apt-get install python3.5 python3.5-dev

python3 –version

删除旧版本的Pthon依赖：sudo rm -rf /usr/bin/python

创建新版本的链接：sudo ln -s /usr/bin/python3.5 /usr/bin/python

第八步：TensorFlow的安装

将tensorflew版本降低为1.4.0

sudo pip3 install --upgrade tensorflow-gpu==1.4

或者 sudo pip3 install tensorflow_gpu-1.3.0-cp35-cp35m-manylinux1_x86_64.whl

附：最上面有版本匹配信息

一、查看系统所安装的python版本

打开终端输入指令：python，如图1所示，我的系统是ubuntu16.04.03，默认安装的python版本为2.7.12。

二、安装python对应版本的pip和依赖包

若python版本为2.7，则输入如下命令：

sudo apt-get install python-pip python-dev
若python版本为3.x，则输入如下命令：

sudo apt-get install python3-pip python3-dev

三、升级pip版本

在装tensorflow之前，不管是不是最新的pip版本，都要更新一下，具体命令如下：

python 2.7版本：sudo pip install --upgrade pip

python 3.x版本：sudo pip3 install --upgrade pip

四、更改pip源地址（提高下载速度）

修改 ~/.pip/pip.conf (没有就创建一个文件夹及文件，文件夹要加"."，表示是隐藏文件夹)，内容如下：

[global]

index-url = https://pypi.tuna.tsinghua.edu.cn/simple

[install]

trusted-host=http://mirrors.aliyun.com

五、安装TensorFlow

TensorFlow可以安装CPU和GPU两种版本，CPU版本安装命令如下：

python 2.7版本：sudo pip install tensorflow

python 3.x版本：sudo pip3 install tensorflow

GPU版本安装命令如下：

python 2.7版本：sudo pip install tensorflow-gpu

python 3.x版本：sudo pip3 install tensorflow-gpu

若上述命令执行过程没有报错，则安装成功。

六、测试安装结果

在终端输入
python
import tensorflow as tf
x = tf.constant("I Love you!")
sess = tf.Session()
print(sess.run(x))

打印输出：

b'I Love you!'

如何检验是否是GPU运算呢？

在终端输入

nvidia-smi

显示GPU process name,有python

-------------------------------------------

扫描二维码，关注交流学习