（总结许多容易犯的错误）Ubuntu14.04+cuda8.0+gtx1080+cudnn5.1配置教程

需要注意：

       不能按照网上大多数cuda8.0+gtx1080的方法来做，因为他们这些方法都忽略了一个重要的问题——NVIDIA官方的版本更新会影响兼容性导致Ubuntu系统无法进入登录界面。

例如：cuda_8.0.27_linux版本对应NVIDIA-Linux-x86_64-367.27.run。

       cuda_8.0.44_linux版本对应NVIDIA-Linux-x86_64-367.44.run。

而NVIDIA公司又会及时更新cuda8.0版本，如果按照一些博文的教程是无法下载到cuda_8.0.27_linux版本。因此按照他们的思路一定会造成cuda驱动与显卡驱动冲突问题。

 

步骤：

1.需要准备的安装包：（1）cuda_8.0.44_linux.run---发表博文时间的CUDA版本，日后一定会更新，但是之后的安装方法不变。下载地址：https://developer.nvidia.com/cuda-toolkit

                                   （2）cudnn-8.0-linux-x64-v5.1.tgz。下载地址：https://developer.nvidia.com/rdp/cudnn-download。下载之前需要填写survey。之后在如下界面选择

Download cuDNN v5.1 for CUDA 8.0

cuDNN v5.1 Library for Linux

 

 

2.本人ubuntu14.04刚安装成功时，进入tty界面是黑屏，但可以切换回Linux图形界面。（按：ctrl+alt+f1-f6进入tty命令行界面,按：ctrl+alt+f7返回Linux图形界面）

此问题的解决方案：一定不要使用网络上的安装NVIDIA包的解决方案，如果你还想正确的安装cuda。

方案：ctrl+alt+t，进入终端

在终端中输入：

1）sudo gedit /etc/default/grub

2）修改GRUB_CMDLINE_LINUX_DEFAULT的值为nomodeset

3）终端中输入更新grub：sudo update-grub

4）重启后就可以进入tty1-6界面

 

3.开始安装cuda8.0：再次强调，一定不要安装NVIDIA显卡驱动，直接让你下载好的CUDA8.0版本的驱动去自动匹配应该安装哪个版本的NVIDIA驱动，否则会造成版本不匹配问题。

将你下载好的cuda_8.0.44_linux.run文件移动到Ubuntu系统的HOME的根目录。如图

 

 

提醒：因为之后你可能会进入命令行界面，因此可以先对后面的安装内容掌握直到你回到图形界面！！

 

安装命令：按ctrl+alt+f1进入tty1.

（1）关闭图形界面服务。在命令行中输入：sudo service lightdm stop

（2）安装cuda8.0.在命令行中输入：sudo sh cuda_8.0.44_linux.run

 

之后出现相关系统交互提示

Do youaccept the previously read EULA? 

命令行输入accept 回车

Install NVIDIA Accelerated GraphicsDriver for Linux-x86_64 367.44?（这里的版本号可能与你的版本号不一样，不过没关系！） 
命令行输入y  回车 （再次强调，这里一定要安装NVIDIA驱动）

Install the CUDA 8.0 Toolkit? 
命令行输入y  回车

Enter Toolkit Location 
[ default is /usr/local/cuda-8.0 ]:

回车

Do you want to install a symboliclink at /usr/local/cuda? 
命令行输入y  回车

Install the CUDA 8.0 Samples? 
命令行输入y  回车

Enter CUDA Samples Location 
[ default is /home/zhou ]:

回车

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

Installing the CUDA Samples in/home/zhou … 
Copying samples to /home/zhou/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/zhou, 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, runthe uninstall script in /usr/local/cuda-8.0/bin

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

***WARNING: Incompleteinstallation! This installation did not install the CUDA Driver. A driver ofversion 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_2961.log 
安装完成，但是缺少一些库。

 

 

重新开启linux图形界面

在命令行中输入：sudo service lightdm start

之后回到图形界面。

 

4.对cuda8.0缺少的库文件进行安装：

在终端中输入：

sudo apt-getinstall freeglut3-dev build-essential libx11-dev libxmu-dev libxi-devlibgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

安装完成之后

sudo apt-getinstall vim

 

此时cuda8.0以及依赖项安装完毕。

 

5.环境变量设置：

Ubuntu14.04环境变量设置需要有一些注意的地方，否则会造成登录界面死循环问题。

本人采用的方法是只设置用户环境变量，不设置系统环境变量，具体做法如下：

在终端中输入：sudo gedit ~/.bashrc

打开文件后在文件的最后一行加入如下语句：

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

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

保存文件并重新启动系统，即完成了环境变量的设置。

注意：如果采用了网络中的其他教程，将/etc/profile文件也进行了更改，会造成14.04版本图形界面的错误，或者会造成无法登录系统的错误。

具体修改方案如下：

在系统的用户登录界面，按ctrl+alt+f1进入tty1.

输入你的用户名和密码登录进入tty1.

命令行中输入startx 回车，进入临时图形界面

在临时图形界面中按ctrl+alt+f1开启终端

在此终端中把/etc/profile文件的内容还原，也就是把你按照网络教程在profile文件内新加入的语句去掉。重启系统。

 

6.安装cudnn5.1

安装cuDNN比较简单，解压后把相应的文件拷贝到对应的CUDA目录下即可：

终端输入 ： sudo tar-zxvf cudnn-8.0-linux-x64-v5.1.tgz（你下载的cudnn的名字）

显示以下信息：
*cuda/include/cudnn.h
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.5
cuda/lib64/libcudnn.so.5.0.5
cuda/lib64/libcudnn_static.a*

继续在终端中执行以下指令：

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

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

后两个是改变文件的权限。前两个是复制到cuda目录下。

 

7. make CUDA的demo验证一下
验证NVIDIA显卡驱动：

在终端中输入：

sudo nvidia-settings

sudo nvidia-smi

会有图形界面和相关命令行提示显示。

 

输入：

sudo nvcc -V(V大写)

会有相应的cuda8.0版本信息。（cuda8.0等信息，具体的忘了，不能有error字样）

 

编译cuda进行测试：

你可以make一个sample也可以把所有的sample都make了

本文采用将所有的sample都make（机器还行，所以不差这些存储空间）

操作：

cd 你的cuda的sample的目录（我的是/usr/local/cuda/samples）

sudo make all -j4  

make完成之后，继续在终端中输入

cd  你的cuda的make后生成的bin目录（我的是 /usr/local/cuda/samples/bin/x86_64/linux/release）

sudo./deviceQuery      （这里需要有管理员权限）

 

可以看到如下数据：

Detected 1 CUDA Capable devices

Device 0“Geforce GTX1080”

。。。。。

。。。。。

 

配置成功，你现在可以使用CUDA来进行深度学习的并行运算了，路才开始，祝好运！