ubuntu18.04安装显卡驱动 + CUDA + cuDNN+Tensorflow+pytorch

GeForce MX150
Python3.6–cuda 9.0–cudnn 7–tensorflow-1.12.0

按多个教程安装前后也出了很多问题，最终才安装成功，以防万一，现将过程记录如下：

1.安装显卡驱动

注意：两种方法，方法一为我安装时所用，方法二为朋友推荐，更为简便
方法一：

查看NVIDIA图形卡及推荐驱动：

ubuntu-drivers devices

例如我的是 GeForce MX150,推荐驱动为nvidia-driver-450,故执行命令：

sudo apt install nvidia-driver-450

我当时没截图，不清楚的可以参见参考https://blog.csdn.net/u010801439/article/details/80483036
重启：

sudo reboot

查看驱动是否安装成功：
可以 系统配置->详细信息->关于,查看图形处理是否对应于自己的独立显卡;也可以终端执行：

nvidia-smi

得到类似如图即成功：

方法二：
软件与更新->附加驱动，将驱动改选为NVIDIA的就行了

2.安装cuda

cuda-10.2对应的cudnn没出，故我安装的为9.0，通过runfile(local)安装
（1）下载
网址：https://developer.nvidia.com/cuda-90-download-archive

参考教程里说第一个是主文件，其它三个相当于补丁，反正我最终只安装了第一个的，后面三个安装均相似，是否安装自主选择。
（2）gcc降级
由于cuda 9.0仅支持gcc 6.0及以下版本，而Ubuntu 18.04预装GCC版本为7.3，故先手动进行降级：
先安装4.8版本的gcc和g++

sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8

查看链接：（发现不是4.8)
进入到/usr/bin目录下

ls -l gcc* 
ls -l g++*

故再将链接改到4.8版本

sudo mv gcc gcc.bak #备份
sudo ln -s gcc-4.8 gcc #重新链接
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++

最终查看：(显示4.8)即成功

gcc -v
g++ -v

（3）安装cuda-9.0
在文件所在文件夹右键->在终端中打开，将下载网址上命令的复制到终端执行就好

sudo sh cuda_9.0.176_384.81_linux.run

注意：它会先弹出一个说明，最低端显示的【–更多–0%】是读说明的进度，而不是安装进度！！！因此不停enter下滑到说明结束处，将回答一系列问题进行安装，除了咨询是否安装NVIDIA驱动的回答n以外，其它y就好，地址按默认的就好。参加下图：

(4)修改.bashrc文件

sudo vim ~/.bashrc

加入下面三句，若已有可以将cuda指定为安装的9.0版本，例如：

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

3.安装cudnn

（1）下载
我安装的为cuda-9.0对应的cudnn，需要注册登录才能下载
网址：https://developer.nvidia.com/rdp/cudnn-archive

（2）安装
找到下载的压缩文件解压（右键->提取到此处），解压后的文件夹名称为cuda，在此目录下右键->在终端中打开，再将其中的内容复制到cuda文件夹内：

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*

4.安装tensorflow

（1）安装
我的是python3.6\cuda9.0,根据下面的对应表，我安装的为1.12.0版本

使用清华源进行加速安装命令如下：

sudo python3 -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.12.0

或者

sudo pip3 install tensorflow==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

(2)检验

python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
输出

Hello,TensorFlow!成功！

附1:相关网址

123安装显卡驱动+cuda+cudnn参考教程：https://blog.csdn.net/u010801439/article/details/80483036
4安装TensorFlow参考教程：https://blog.csdn.net/ignoreyou/article/details/81079304
查看cuda&cudnn版本网址：https://blog.csdn.net/weixin_41677877/article/details/90003592
查看tensorflow-python-cuda-cudnn对应关系的网址：(请耐心往后翻翻，有个表格的）
https://tensorflow.google.cn/install/source
tensorflow官网[可下载]：
https://tensorflow.google.cn/install/source
通过pypi下载tensorflow文件网址：
https://pypi.org/project/tensorflow-gpu/1.12.0/#files）

附2.安装pytorch

python3 -m pip install --upgrade torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple

最后我用mtcnn的demo进行测试，可以正常使用！

附3.总结问题

总结安装过程中遇到的问题及解决办法：
第一次
1.安装时发现需要对gcc进行降级，直接百度没有找到教程：
此文方法
2.看某教程说需要先上cuda官网查看支持的设备型号，发现我的GeForce MX150表格里没有，网上也有的说该型号不支持：
最后找到GeForce MX150官网，显示支持cuda…
3.安装显卡驱动使用方法较为复杂，且完cuda+cudnn后关机再开，卡在登录界面无法进入，搜索推测为驱动出问题，尝试多种方法都无法解决:
最终通过tar解压恢复系统（参见博客）
第二次
1.装显卡驱动时按第一次思路先禁用nouveau,发现始终无法禁止，故先跳过：
最终发现文中两种安装好像都不需要先禁用nouveau,反正我跳过装完后查看发现nouveau是禁止了的
2.安装cuda徘徊于安装9.0还是9.1、采用deb文件还是runfile文件安装，最后反正不知道为啥装完cudnn（对应cuda-9.0的）查看版本却发现cuda是10.0版本…有博客说安装时未制定版本容易导致它自动升级??？担心后续出错，故：
最终卸载cuda重装，参考https://blog.csdn.net/qq_41558173/article/details/96447300
第三次
1.安装tensorflow未用清华源进行加速，安装超级慢，且经常因为超时报红色警告终止安装：
最终在pip3 install命令后加上**-i https://pypi.tuna.tsinghua.edu.cn/simple**快速解决
解决参考：https://blog.csdn.net/qq_42009634/article/details/100148454
2.测试tensorflow出错
import tensorflow as tf 之后出现这些提示符:
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/dtypes.py:493: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.
_np_qint8 = np.dtype([(“qint8”, np.int8, 1)])
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/dtypes.py:494: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.
_np_quint8 = np.dtype([(“quint8”, np.uint8, 1)])
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/dtypes.py:495: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.
_np_qint16 = np.dtype([(“qint16”, np.int16, 1)])
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/dtypes.py:496: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’
解决参考：https://blog.csdn.net/cufe_shang/article/details/100338443