Ubuntu18.04.1配置NVIDIA驱动(run file),cuda9.0(run file),cudnn7.3.1(deb文件) （一）

可参考https://blog.csdn.net/lukaslong/article/details/81007942

2018.12.29更新

NVIDIA驱动：https://www.geforce.cn/drivers

搜索自己电脑的gpu版本：下面是驱动型号的一部分结果 

 

cuda版本：https://developer.nvidia.com/cuda-toolkit-archive

pytorch版本：https://pytorch.org/

下面是最新的版本。其他已发布的版本自己去看，这里不列出来了

 tensorflow版本：https://tensorflow.google.cn/install/source_windows

Python版本：https://www.python.org/downloads/

cuDNN版本：https://developer.nvidia.com/rdp/cudnn-archive

综上来看，既要安装pytorch也要安装tensorflow（我安装的是gpu版本的）所以上面可供选择的是：cuda 8系列、9系列，Python3.5-3.6，cudnn相对应tensorflow的版本要求，NVIDIA与cuda版本相对应最低版本要求

因此我选择：cuda 9.0，NVIDIA 390.87，TensorFlow-gpu 1.12.0，Python 3.6.8，cudnn 7.3.1，pytorch 1.0

cuda9.0以及NVIDIA驱动我都是安装的run文件，我是参考这个安装的https://blog.csdn.net/jonms/article/details/79318566

CUDA完成安装之后，还需要添加环境变量，打开终端，输入下面的命令：

sudo vim ~/.bashrc

打开文件，然后在末尾添加以下3句

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

 在终端输入：使之生效,或者关掉该终端，重新打开一个终端

source ~/.bashrc

上述过程完成了整个的CUDA9.0的安装

下面是验证上面的安装是否成功：

1.验证驱动版本：

cat /proc/driver/nvidia/version

2.验证CUDA Toolkit：

nvcc -V

3.测试sample:

3.1编译sample：大概要花上十多分钟，如果出现错误的话，系统会立即报错停止。如果编译成功，最后会显示Finished building CUDA samples

cd /usr/local/cuda-9.0/samples
sudo make

3.2接着运行编译生成的二进制文件：result = pass成功否则result=fail

cd bin/x86_64/linux/release
./deviceQuery

3.3最后检查一下系统和CUDA-Capable device的连接情况 ：result = pass表示成功

./bandwidthTest

 但是在第三步编译samples的sudo make命令之后出现：

错误的解决方式很简单，就是安装低版本gcc和g++，并创建链接或更改gcc各版本的优先级。做法如下：

1.安装gcc-6和g++-6（为了以后以后考虑）,版本只要比错误中提到的支持上限小就没问题

sudo apt-get install gcc-6 g++-6

2.更改gcc各版本的优先级

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 60 --slave /usr/bin/g++ g++ /usr/bin/g++-6

 上述两点做完之后继续测试samples之后的步骤。

安装cudnn：

去官网https://developer.nvidia.com/rdp/cudnn-archive

先注册进去之后，点最下面的那个releases 选择你需要的版本,下载适合cuda版本的deb文件或tgz文件

（一）亲测：deb文件

在这里我下载的是2018年9月28号的for cuda 9.0的v7.3.1，下载子文件夹里面的三个for Ubuntu16.04的deb文件，分别是：

libcudnn7_7.3.1.20-1+cuda9.0_amd64.deb    127M左右    对应的是cuDNN v7.3.1 Runtime Library for Ubuntu16.04 (Deb)

libcudnn7-dev_7.3.1.20-1+cuda9.0_amd64.deb   117.7M左右  对应的是cuDNN v7.3.1 Developer Library for Ubuntu16.04 (Deb)

libcudnn7-doc_7.3.1.20-1+cuda9.0_amd64.deb   4.9M左右  对应的是cuDNN v7.3.1 Code Samples and User Guide for Ubuntu16.04 (Deb)

 1.deb文件进行安装：通过deb文件安装，/usr/src目录下会有cudnn_samples_v7

sudo dpkg -i libcudnn7_7.3.1.20-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.3.1.20-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.3.1.20-1+cuda9.0_amd64.deb

2. 测试cudnn是否成功：提示“Test passed!”信息表示安装成功

cp -r /usr/src/cudnn_samples_v7 $HOME  # 复制该目录到home下面
cd $HOME/cudnn_samples_v7/mnistCUDNN  
make clean && make
./mnistCUDNN

如果提示库缺失错误，可参考以下命令

sudo cp /usr/local/cuda-9.0/lib64/libcudart.so.9.0 /usr/local/lib/libcudart.so.9.0 && sudo ldconfig
sudo cp /usr/local/cuda-9.0/lib64/libcublas.so.9.0 /usr/local/lib/libcublas.so.9.0 && sudo ldconfig
sudo cp /usr/local/cuda-9.0/lib64/libcurand.so.9.0 /usr/local/lib/libcurabd.so.9.0 && sudo ldconfig
sudo cp /usr/local/cuda-9.0/lib64/libcudnn.so.7 /usr/local/lib/libcudnn.so.7 && sudo ldconfig

（二）tgz文件：下载下面的这个文件，对应的是cudnn-9.0-linux-x64-v7.3.1.20.tgz    361.6M左右大小

1.首先解压tgz文件

tar -xzvf cudnn-9.0-linux-x64-v7.3.1.20.tgz

2.复制文件到cuda安装路径下

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*

上述过程完成了整个的cudnn7.3.1的安装