CUDA9.1、cuDNN7在Ubuntu16.04上的安装

转载自：https://blog.csdn.net/jonms/article/details/79318566?utm_source=copy 

如果之后要安装Tensorflow，建议安装CUDA9.0，安装步骤一致。

操作系统：Ubuntu16.04.3LTS 
显卡：NVIDIA GeForce GTX 960M

1、检查自己的计算机是否具备CUDA安装条件

1）检查GPU是否支持CUDA 
Windows下，可以通过NVIDIA GeForce Experience查看自己的GPU型号，或者通过百度、谷歌等搜索引擎来获取与自己PC相关的GPU信息。 
Linux下，可以在终端下键入

$ lspci | grep -i nvidia
1
显示出你的NVIDIA GPU版本信息 
 
然后去CUDA的官网查看自己的GPU版本是否在CUDA的支持列表中

2）验证自己的Linux版本是否支持 CUDA(Ubuntu 16.04和Ubuntu17.04都支持)

$ uname -m && cat /etc/*release
1
 
3）验证是否安装了gcc

$ gcc --version
1
 
如果没有，可以在终端键入

$ sudo apt-get install gcc
1
4）验证系统是否安装了kernel header和 package development

$ uname -r
$ sudo apt-get install linux-headers-$(uname -r)
1
2
满足要求后，便可进行下面的正式安装过程。

2、CUDA提供两种安装方式：package manager安装和runfile安装。 
这里我选择runfile安装，采用runfile安装，CUDA自带的驱动可能无法定位内核信息，所以我们先安装NVIIDA驱动。

3、安装NVIDIA驱动程序(如果事先有装但失败的，先卸载)

$ sudo apt remove --purge nvidia*
1
1）禁用nouveau驱动 
终端中运行：

$ lsmod | grep nouveau
1
如果有输出，则代表nouveau正在运行， 需要我们手动禁掉nouveau。

在Ubuntu16.04中，我们可以通过以下操作禁用nouveau：

a.在/etc/modprobe.d中创建文件blacklist-nouveau.conf

$ sudo vim /etc/modprobe.d/blacklist-nouveau.conf
1
在文件中输入以下内容： 
blacklist nouveau 
options nouveau modeset=0

b.执行

$ sudo update-initramfs -u
1
c.查看nouveau是否已经成功禁用

$ lsmod | grep nouveau
1
若无内容输出，则禁用成功，若仍有内容输出，请检查上述操作，并重复。 
操作无误但仍有输出，则可重启，进入用户登录界面时（不要登录进桌面），按Ctrl+Alt+F1进入字符终端界面，输入用户名和密码进行登录，登录成功后，再次查看

$ lsmod | grep nouveau
1
这时，我们已经成功禁用了nouveau，无输出 
2）关闭图形化界面

$ sudo service lightdm stop
1
3）安装驱动 
NVIDIA驱动安装也有多种方式，runfile文件形式的安装和apt安装

apt安装：

a.添加Graphic Drivers PPA

$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt-get update
1
2
b.寻找合适的驱动版本

$ ubuntu-drivers devices
1
 
如上图，显示GTX 960M显卡建议的驱动版本是390

c.安装nvidia driver

$ sudo apt-get install nvidia-390
1
d.安装完成后，重启

$ sudo reboot
1
e.这时，执行下面的命令，查看驱动的安装状态

$ sudo nvidia-smi
$ sudo nvidia-settings
1
2
 

runfile文件安装：

runfile文件的安装先要安装gcc-multilib

$ sudo apt install gcc-multilib
1
接着，以NVIDIA-Linux-x86_64-390.25.run为例

$ sudo sh NVIDIA-Linux-x86_64-390.25.run
1
刚开始运行时，会有报错(预处理脚本错误，会问继续还是退出)，不管错误继续，然后就是一路安装，重启即可。测试是否安装成功如上图所示。

4、安装CUDA 9.1 
到NVIDIA官网中，找到CUDA9.1并下载 

之后，重启系统，在登录界面时按Ctrl+Alt+F1进入字符终端界面，登录成功后， 
关闭图形化界面

$ sudo service lightdm stop
1
找到下载文件的路径，键入下面的命令安装：

$ sudo sh cuda_9.1.85_387.26_linux.run
1
单击回车，直到提示“是否为NVIDIA安装驱动？” 
选择否，因为已经安装好驱动程序，其他都是默认。 

最后你会看到cuda驱动、sample、tookit已经安装成功,但是缺少一些库。 

添加这些库

$ sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
1
重新启动图形化界面

$ sudo service lightdm start
1
同时按住Alt + ctrl +F7，返回到图形化登录界面，输入密码登录。 
如果能够成功登录，则表示不会遇到循环登录的问题，基本说明CUDA的安装成功了 
重启电脑，检查Device Node Verification

$ sudo reboot
$ ls /dev/nvidia*
1
2
 
a、若结果显示

/dev/nvidia0    /dev/nvidiactl    /dev/nvidia-uvm
1
或显示出类似的信息，应该有三个（包含一个类似/dev/nvidia-nvm的），则安装成功。 
b、大多数结果可能会是这样

ls: cannot access/dev/nvidia*: No such file or directory
1
或是这样的，只出现

/dev/nvidia0    /dev/nvidiactl
1
a中的一个或两个，但没有/dev/nvidia-num，即文件显示不全。

解决方法： 
首先要添加一个启动脚本

$ sudo vim /etc/rc.local
1
这里附上rc.local的百度云链接： 
https://pan.baidu.com/s/1HU9QL6Qut3NubJw4RClmIQ，密码：r7j4

把文件的第一行的#!/bin/sh -e中的-e去掉， 
在#!/bin/sh和exit 0之间，添加以下内容 
 
保存文件并重启，再次查看，这时你应该能直接看到/dev目录下的三个nvidia的文件 
输入：

$ ls /dev/nvidia*
1
结果显示：

/dev/nvidia0    /dev/nvidiactl    /dev/nvidia-uvm
1
成功！

接着，设置环境变量。 
终端中输入

$ sudo vim /etc/profile
1
在打开的文件末尾，添加以下两行。 
64位系统：

$ export PATH=/usr/local/cuda-9.0/bin:$PATH
$ export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
1
2
32位系统：

$ export PATH=/usr/local/cuda-9.0/bin:$PATH
$ export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib:$LD_LIBRARY_PATH
1
2
保存文件，并重启。因为source /etc/profile是临时生效，重启电脑才是永久生效。

重启电脑，检查上述的环境变量是否设置成功。 
a.验证驱动版本

$ cat /proc/driver/nvidia/version
1
 
b.验证CUDA Toolkit

$ nvcc -V
1

最后，我们需要尝试编译cuda提供的例子，看cuda能否正常运行 
打开终端输入

$ cd /home/user_name/NVIDIA_CUDA-9.1_Samples
$ make
1
2
系统就会自动进入到编译过程，整个过程大概需要十几到二十分钟，请耐心等待。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，如下图所示。 

运行编译生成的二进制文件。 
编译后的二进制文件默认存放在NVIDIA_CUDA-9.1_Samples/bin中。 
接着在终端中输入 ：

$ cd bin/x86_64/linux/release
$ ./deviceQuery  
1
2
结果如下图所示：看到类似如下图片中的显示，则代表CUDA安装且配置成功，其中 Result = PASS代表成功,若失败 Result = FAIL 

最后再检查一下系统和CUDA-Capable device的连接情况 
终端输入 ：

$ ./bandwidthTest
1
看到类似如下图片中的显示，则代表成功 

cuDNN的安装是建立在我们成功安装cuda的基础上的，cuDNN同样需要我们去NVIDIA的官网下载适合cuda版本的deb文件或tgz文件。 
这里我以tgz文件的安装为例(cudnn-9.1-linux-x64-v7.tgz)， 
首先解压tgz文件

$ tar -xzvf cudnn-9.1-linux-x64-v7.tgz
1
接着复制文件到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*
1
2
3
也可以下载deb文件进行安装

$ sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.1_amd64.deb
$ sudo dpkg -i libcudnn7-dev_7.0.5.15-1+cuda9.1_amd64.deb
$ sudo dpkg -i libcudnn7-doc_7.0.5.15-1+cuda9.1_amd64.deb
1
2
3
最后，通过deb文件安装，/usr/src目录下会有cudnn_samples_v7，我们可以验证cudnn是否成功

$ cp -r /usr/src/cudnn_samples_v7 $HOME
$ cd $HOME/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN
1
2
3
4
成功安装，会提示“Test passed!”信息 

如果提示库缺失错误，可参考以下命令

$ sudo cp /usr/local/cuda-9.1/lib64/libcudart.so.9.1 /usr/local/lib/libcudart.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcublas.so.9.1 /usr/local/lib/libcublas.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcurand.so.9.1 /usr/local/lib/libcurabd.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcudnn.so.7 /usr/local/lib/libcudnn.so.7 && sudo ldconfig
1
2
3
4
参考文章链接： 
1）http://blog.csdn.net/abc869788668/article/details/78331047 
2）http://blog.csdn.net/qlulibin/article/details/78714596 
3）http://www.cnblogs.com/devilmaycry812839668/p/6867780.html