ubuntu18.04安装cuda9.0+cudnn+tf

1.禁用nouveau

安装完ubuntu18.04后,在“软件和更新“---附加驱动,会有驱动如果没有,那就自己去安装。

首先,需要禁用 nouveau,只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动。

禁用方法就是在 /etc/modprobe.d/blacklist-nouveau.conf 文件中添加一条禁用命令,首先需要打开该文件,通过以下命令打开:

   sudo gedit /etc/modprobe.d/blacklist.conf

输入密码后在最后一行加上:  blacklist nouveau 是将Ubuntu自带的显卡驱动加入黑名单

Ctrl +C保存后,注意此时还需执行以下命令使禁用 nouveau 真正生效终端输入 : sudo update-initramfs -u

通过lsmod命令查看,确认nouveau是否已经被屏蔽掉。

lsmod | grep nouveau

若执行命令后无任何输出证明nouveau禁用成功,如有输出,则证明nouveau没有被禁用。

可以重启再看一下。

2.安装显卡驱动

请先去NVIDIA官方网站查看自己的显卡驱动型号再来操作安装,请一定注意。

https://www.nvidia.com/Download/index.aspx?lang=en-us

看显卡驱动版本支持的cuda:

https://docs.nvidia.com/deploy/cuda-compatibility/index.html#binary-compatibility__table-toolkit-driver

其中:

gaym ready跟现在一样频繁更新保持对最新游戏的优化
creator ready侧重稳定 更新间隔会比较长

ubuntu16的可以直接设置---软件更新---附加驱动,然后选择相适应的驱动。

我的是ubuntu18,我直接在终端里安装的。

(键盘上按下 ctrl + alt + F1,进入命令行模式。ubuntu有命令行模式和X桌面模式,安装驱动必须在命令行模式进行。

禁用X桌面服务,命令行输入:sudo service lightdm stop,此命令将关闭桌面服务,现在已经不能进入桌面模式(重启电脑会重启桌面服务),重启X桌面服务,命令行输入:sudo service lightdm start)。

添加ppa库,通过ppa安装显卡驱动,注意不要从NVIDIA官网下载显卡驱动,直接通过ppa安装即可:

  1. sudo add-apt-repository ppa:graphics-drivers/ppa

  2. sudo apt-get update

  3. sudo apt-get install nvidia-384(添加完这句后可以在软件更新--附加驱动,自动搜索相应的显卡的驱动)

  4. 卸载的话:sudo apt-get --purge remove  nvidia-384

  5. 或者:

    sudo apt-get autoremove --purge nvidia-*

在终端中输入nvidia-smi,若有输出则证明驱动安装成功,若无输出则证明安装失败。

ubuntu18.04安装cuda9.0+cudnn+tf_第1张图片

3.安装cuda9.0

降级GCC 
重启之后了,接下来的工作也都能够在图形界面下面完成。驱动安装好之后,就应该安装CUDA了,但是安装CUDA9.0最高支持的版本只到GCC6.0,那么接下来的工作是给GCC降级,我们这里推荐降级到GCC5.5. 很简单,依次输入两行命令就行了。(这两个命令就是分别来安装gcc和g++就不用我啰嗦了)

sudo apt install gcc-5 
sudo apt install g++-5

设置gcc的默认版本

设置之前可以先输入命令ls /usr/bin/gcc* 查看gcc5版本是否安装成功.

然后输入下面的命令设置默认版本:

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 100

最后的数字为优先级(越大越高),因为只有一个4.8版本作为alternatives,可以不要纠结数字,这样设就行了

然后可以输入以下命令查看设置结果(非必须)

sudo update-alternatives --config gcc

最后再次输入命令gcc -version查看gcc的版本已经变成5啦...就成功啦.

g++ 等其他软件也是这样设置进行版本升级/降级.

安装cuda

ubuntu18.04安装cuda9.0+cudnn+tf_第2张图片

到这里,你已经安装成功CUDA了,最后,还要多配置一下环境变量: 
sudo vim ~/.bashrc 来编辑.bashrc配置文件,到文件最后,写入下面几句话(直接复制就行)

export  PATH=/usr/local/cuda-9.0/bin:$PATH
export  LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH
好了,重启一下。 
现在你已经重启了机子了,要是没有出现很多人遇到的在登录界面进不去的情况的话,就恭喜你了。来个自带的例子测一下。

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery 
sudo make 
./deviceQuery
出现了下面的你的GPU的一些信息的话,就是真的安装成功了。 

卸载cuda:

sudo /usr/local/cuda-10.0/bin/uninstall*****pl(一个文件)

4.安装cudnn

https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#install-linux

下载相应的cudnn

https://developer.nvidia.com/rdp/cudnn-download

2.3.1. Installing from a Tar File

  1. Navigate to your directory containing the cuDNN Tar file.
  2. Unzip the cuDNN package.
    $ tar -xzvf cudnn-9.0-linux-x64-v7.tgz
  3. Copy the following files into the CUDA Toolkit directory, and change the file permissions.
    $ 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*

2.3.2. Installing from a Debian File

  1. Navigate to your directory containing cuDNN Debian file.
  2. Install the runtime library, for example:
    sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb
  3. Install the developer library, for example:
    sudo dpkg -i libcudnn7-devel_7.0.3.11-1+cuda9.0_amd64.deb
  4. Install the code samples and the cuDNN Library User Guide, for example:
    sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb

2.4. Verifying

To verify that cuDNN is installed and is running properly, compile the mnistCUDNN sample located in the /usr/src/cudnn_samples_v7 directory in the debian file.

  1. Copy the cuDNN sample to a writable path.
    $cp -r /usr/src/cudnn_samples_v7/ $HOME
  2. Go to the writable path.
    $ cd  $HOME/cudnn_samples_v7/mnistCUDNN
  3. Compile the mnistCUDNN sample.
    $make clean && make
  4. Run the mnistCUDNN sample.
    $ ./mnistCUDNN
    If cuDNN is properly installed and running on your Linux system, you will see a message similar to the following:
    Test passed!

查看cudnn的版本:

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

5.安装tf

sudo apt install python3-pip

pip3 install tensorflow-gpu

报错:

import tensorflow 出现 python3: Relink ‘/lib/x86_64-linux-gnu/libudev.so.1’ with '/lib/x86_64-linux-gnu/librt.so.1' for IFUNC symbol 'clock_gettime'

直接显示 Segmentation fault (core dumped) 退出python3

解决方法是:
sudo ln -sf /lib/x86_64-linux-gnu/libudev.so.0 /lib/x86_64-linux-gnu/libudev.so.1

 

你可能感兴趣的:(Linux)