【新人向】ubuntu16.04 查看自己的电脑能不能用GPU以及Cudnn，TensorFlow，CUDA等的版本选择和安装

概念解释

CUDA驱动版本：保持最新就好了，CUDA驱动版本要求和CUDA版本匹配，而CUDA又要求cuDNN/TF是匹配的。不过CUDA驱动版本是向下兼容的，所以保持最新就没事。输入nvidia-smi可以查看：

nvidia-smi

其中表格第一行最后的位置Driver Version就是驱动版本：

CUDA：用于GPU编程的语言，跑TensorFlow的时候用了GPU，TensorFlow里面很多函数（或者依赖库）是CUDA语言编写的。不同TF版本需要不同的CUDA。

cuDNN：NVIDIA为深度学习，矩阵运算写的一个加速库。CUDA版本必须和cuDNN版本匹配。cuDNN和TF版本匹配与否则无所谓（CUDA和TF版本必须匹配，所以cuDNN版本和TF版本是间接依赖关系）。

TensorFlow：个人经验，别用太新的，如果每次都用最新的，那么进而导致CUDA也要不断更新。

版本对应

TensorFlow依赖cuda，cuda根据驱动定 ，驱动根据linux定，cudnn看好TF的版本安装一个就好。

本文可以根据你需要的Tensorflow版本先看第4部分，确定好了cuda和cudnn版本再从123部分开始。

准备工作

我这篇没有讲环境管理器Anaconda的安装，但是本篇的安装工作是基于conda的安装，如果没有的话，建议你用pip安装也可以，但是非常推荐你安装anconda 这样一个环境管理器。

Anaconda环境管理会提供两个便利：

1. 一个环境用python2.7，一个环境用python3.7，就避免了两者不能共存的麻烦；或者一个环境用旧的TensorFlow调试项目，一个环境用新版本的TensorFlow调试另一个项目。
2. 在一个环境下，conda可以根据当前想安装的包，来判断当前包的成功运行还需要安装哪些包，减少为安装某个新包而要一个一个安装很多新包的烦恼。

1. 确定显卡是否符合

下面的命令可以显示你的显卡型号

lspci | grep -i nvidia

然后去到这里https://developer.nvidia.com/cuda-gpus查看你的显卡是否在表中，在的话你显卡就是支持CUDA计算的（CUDA-capable）。

2. linux是否有GCC

gcc --version

如果报错了，那么下载符合的GCC；成功返回了版本信息，则下一步。

如果版本需要降级的话，参考这篇文章《GCC降级》

3. 系统是否安装了正确的内核标头和开发包

内核标头和开发包要匹配，看一下

uname -r

然后，我也不知道匹配不匹配，就按照指示输入了以下命令，用来下载匹配的包。
结果是如图，不需要安装新的了。

sudo apt-get install linux-headers-$(uname -r)

1. 安装显卡驱动

Linux的Nvidia的显卡驱动可以从【软件和更新中安装】

点开之后进入【附加驱动】中，因为我已经安装了Nvidia的驱动，所以已经勾选了，你也需要勾选Nvidia的驱动进行安装。

2. 安装CUDA

确定好了驱动版本后，再确定cuda也就是cudatoolkit的版本。根据英伟达cuda手册安排，根据第2列Linux的驱动版本来确定第1列CudaToolkit的版本，然后安装。
安装方式和安装其他的python一样，如果你使用conda，那么直接用下面语句，注意替换版本号。

conda install cudatoolkit=8.0

3. 安装CuDNN

这个直接用conda安装：

conda install cudnn 

4. 查看Tensorflow与cuda的匹配关系

从这个网站https://tensorflow.google.cn/install/source#linux来找到适合自己的TensorFlow的版本进行安装。

我的机器上有cudatoolkit和cudnn的版本：

我选择Tensorflow-gpu的版本：

linux和CUDA的匹配关系

由于不同版本的Cuda对于GCC版本的要求不一样，我是没遇到GCC安装这个问题，但是很多新安装Unbuntu没有GCC，所以需要根据你的CUDA版本和Linux16.04查询下表决定你的GCC版本。
例如下图：CUDA9.0在Ubuntu16.04上需要的GCC版本是5.31。

其他版本的CUDA，可以从下面这个网站找：
https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-linux/index.html

参考感谢

[1] https://www.jianshu.com/p/22b11a11a25e
[2] https://blog.csdn.net/IT_xiao_bai/article/details/88342921

[3] 《深度学习服务器环境配置: Ubuntu17.04+Nvidia GTX 1080+CUDA 9.0+cuDNN 7.0+TensorFlow 1.3》 介绍了怎么更新源，加快下载速度。
[4] 《Ubuntu18+RTX2080Ti 从0开始搭建深度学习环境TensorFlow+PyTorch》 全流程，还有如何降级gcc g++
[5] 《深度学习 最快方式安装CUDA和 Nvidia Driver》 对比其他方法，这个很快，本文提到其他方式是手动的，但是自己觉得这个没有禁用Nouveau，害怕出问题，没有尝试。有了解的大佬给科普一下吧，感谢。
[6] 《Ubuntu 18.04 NVIDIA驱动安装总结》一份驱动安装总结，强调了禁用Nouveau的，三种方法，选择了第二种。
[7] cudatookit版本对应
[8] Nvidia官方教程