安装Cuda9.0 + CUDNN + Tensorflow

Ubuntu 17.10 + Cuda9.0 + CUDNN + Tensorflow最正确姿势排坑

     博主之前一直使用16.04与win10双系统，但是由于当初安装系统时候引导安装的有点问题，导致ubuntu使用起来一直有些毛病，搞了好久也没搞好，索性就想到干脆重新把系统装一下。作为一个爱尝鲜的用户，使用了这么长时间平平淡淡的长期稳定支持版，还是想要换换口味试试最新的17.10版本，不过鉴于长期支持版的18版本再过不久就会放出来了，估计17.10的寿命和用户数量也不会太多了，也正是这个原因导致网络上相关的教程太少，而且坑非常多（可能是时间原因，当时的教程对现在的驱动和cuda版本不适用了），尤其是CUDA的安装，一不小心就会导致开不了机，在折腾了两天历经万难，终于自己摸索出了一套方法解决了问题，所以写一点东西，给可能需要的人，博主自己也是小菜鸟，就是分享分享自己遇到的坑，基本纯手打了一下午，难免有小差错，有什么不对的地方欢迎大佬们指正。

PS：博主显卡1060,应该10系显卡都没有问题，其他没有测试过，不过应该没有问题，如果有的话欢迎交流分享经验

 一、Ubuntu17.10安装

这个就不展开讲了，网上教程太多，注意分区的时候系统引导就好了，不要和windows装到一起了，这样的话相当于是把Ubuntu装成了win系统下的一个软件，速度会减慢很多，并且会出现很多问题

进入系统，眼前一亮，有中从XP到win10的感觉，实在太漂亮了，17.10从Unity换成Gnome后，界面的流畅度和点击感都有质的提升，哈哈虽然和本文核心内容关系不大，但是还是放两张截图，看到这么漂亮的界面就感觉回不去16.04了

当然作为操作系统，实用性和兼容性才是首位的，既然选择了这样的最新版本，那就要做好面临许多BUG却无法解决的准备了

二、Nvidia驱动以及Cuda9.0的安装

因为Cuda8.0并不支持17版本的原因，所以这里只能安装Cuda9.0(网上安装8.0的教程其实里面也全是安装的9.0),目前官网最新的cuda版本已经是9.1了，但是我安装的时候发现9.1老是出错，最后还是选择了9.0版本

首先应该安装显卡驱动，这里有很多坑，有些博文里面说直接安装nvidia官网的cuda，会自动帮你安装显卡驱动，但是我试过之后发现每次安装之后显卡驱动都是387版本的，然后重启后就开不了机(界面闪烁，显示dev/sda:clean,xxxxx/xxxxx files)，必须ALT+F2进入命令行模式执行sudo apt-get purge mvidia* 删除显卡驱动显卡以后才可以正确开机，具体原因我不知道是为什么，可能网上的教程装cuda的时候，还没有这么高版本的显卡驱动，所以那时候没问题，现在却出现了问题，所以分享我自己的方法，主要是装384版本的驱动，亲测没有问题，首先打开“软件与更新”（默认不在左侧的Launcher上，需要在应用里搜索），先取消勾选默认的从光驱安装

有如下两种方法安装驱动：

第一种（速度慢）：

添加第三方驱动源：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update

然后安装384版本的驱动（这一步国内网特别慢，会装很久）：

sudo apt install nvidia-384 nvidia-384-dev

安装完以后应该就好了，终端输入nvidia-smi查看显卡状态，有可能会显示couldn't communicate with the NVIDIA driver，一般重启之后可解决问题

第二种（推荐）：

在附加驱动中直接更改成384版本的驱动，速度很快，同样变更后重启

驱动安装成功以后开始安装cuda9.0,这里不使用官方提供的deb文件来安装，因为我试过官网的deb安装后，发现会一同安装显卡驱动（最新的即387版本）,这就导致了开不了机（原因未知）

这里注意一个问题，由于17.10的默认gcc版本是7.2(可通过gcc --version来查看），而cuda只支持7以下的gcc/g++版本，所以要先对gcc/g++进行降级，至于降到哪个版本，我选择了5.4，因为16.04好像用的是用的这个版本，相对来说兼容性比较好

首先安装gcc-5

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

安装之后输入gcc --version发现还是7.2版本，输入：

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 40

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50

sudo update-alternatives --config gcc

会看到如下三个候选项用于替换gcc：

想用哪个gcc直接输入编号切换就好了

接下来同样要设置一下g++版本（和gcc保持一致）

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 40

sudo update-alternatives --config g++

这样的话就成功了，查看一下gcc版本发现已经是5.4版本了，可以开始安装cuda了，先安装一些相关的包：

sudo apt-get install g++ freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev

先下载文件（速度不慢），然后安装：

wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run

chmod +x cuda_9.0.176_384.81_linux-run
sudo ./cuda_9.0.176_384.81_linux-run --override

安装时候出现以下几个选择，一定要注意第二个选项要选择n，否则会重新安装驱动：

You are attempting to install on an unsupported configuration. Do you wish to continue?
y
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
n
Install the CUDA 9.0 Toolkit?
y
Enter Toolkit Location
[default location]
Do you want to install a symbolic link at /usr/local/cuda?
y
Install the CUDA 9.0 Samples?
y
Enter CUDA Samples Location
[default location]

一段时间的等待后就成功安装了

可以用Samples试一下是否安装成功

cd ~/NVIDIA_CUDA-9.0_Samples/5_Simulations/smokeParticles
make
../../bin/x86_64/linux/release/smokeParticles

出现烟雾的图像就算是安装成功了，可以输入nvcc --version查看一下cuda的版本

三、cuDNN安装

这里选择安装cuDNN6.0版本（注意tensorflow1.3版本以上才支持6.0）

wget http://developer.download.nvidia.com/compute/redist/cudnn/v6.0/cudnn-8.0-linux-x64-v6.0.tgz

tar -xzvf cudnn-8.0-linux-x64-v7.tgz
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*

然后把lib64文件夹添加到环境变量：

cd ~
sudo vim .bashrc

在文档最后一行加入：

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

保存后

source .bashrc

这样cuDNN6.0就全部安装完成了，对系统的配置基本就完成了

四、Anaconda安装及tensorflow的配置

这个部分就没有多大的区别和难度了，和16.04版本的安装方法无异，从官网下载anaconda创建一个tensorflow环境就OK了，现在的Anaconda安装gpu版本的tensorflow的时候只需要一条指令就可以了：

conda install tensorflow-gpu

会自动帮你把相关的依赖包都装好，不需要使用过去网上复杂的PIP安装方法了，当然这条指令默认装的是1.3版本的tensorflow,比较稳定，使用起来也发现没有什么问题，但是现在tensorflow已经更新到1.7了，作为爱尝鲜爱折腾的人当然要体验下最新的版本的啦

首先查看conda包含的tensorflow版本，

anaconda search -t conda tensorflow

可以看到有很多版本的tensorflow,找到其中1.7版本的，记住user和package名字使用

anaconda show