Linux Ubuntu 16.04系统Tensorflow-GPU安装和配置（以使用PointCNN开源代码为例）

之前文章介绍了在win10安装linux子系统，方便我们跑一些支持Linux环境的开源代码。但如果要用到Nvidia的GPU和CUDA，我们最好找个服务器，目的是方便自己快速训练模型；如果只是想跑跑模型，不训练的话，可以在双系统上配置tensorflow环境（虚拟机实在太慢）。
为什么不在子系统配置呢？最主要的原因是，目前win10支持的linux子系统还比较简单，找不到Nvidia的GPU（给你们泼了一盆冷水吧，hahahaha ~~ ）
那接下来，我以开源代码PointCNN为例，讲一下Tensorflow的安装。最重要的一点，不要总想着安装最新版本的CUDA或cudnn，因为很可能你要跑的开源代码根本不支持你安装的版本。 所以，要先从仔细阅读开源代码开始，尽可能地避免返工重装。

一、明确安装软件版本

源代码需要安装Tensorflow1.6和python3。于是找到和Tensorflow对应的CUDA版本，cudnn。

注意，这里cudnn的版本是9，我们最好选择9.0。如果是10，最好选择10.0。 亲测：安装了CUDA9.2版本，会报错：找不到需要的9.0版本的动态库

二、安装Nvidia驱动

一般双系统安装好后，默认使用nouveau，需要我们手动安装Nvidia驱动。安装步骤：

3.1 禁用nouveau

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

在最后添加：

blacklist nouveau 
options nouveau modeset=0

保存退出编辑。
执行下面的操作：

sudo update-initramfs -u

重启后执行：

lsmod | grep nouveau

若没有输出则表示屏蔽nouveau成功。

3.2安装驱动

进入电脑的设备管理器，找到自己的显卡

登录 https://www.geforce.cn/drivers， 根据自己的显卡下载可用驱动

注意：根据新旧版本不同，下载2~3个驱动。因为，nvidia驱动对双系统下的linux支持并不是很完美。有时候安装完驱动，重启后进不去系统。这时候需要进入控制台卸载，然后装另外一个驱动试试。

ctrl+alt+f1 进入控制台，然后登录账号和密码

然后依次输入：

sudo service lightdm stop
sudo apt-get purge nvidia-*
sudo chmod a+x NVIDIA-Linux-x86_64-410.93.run
sudo ./NVIDIA-Linux-x86_64-410.93.run –no-opengl-files -no-x-check -no-nouveau-check

必选参数解释：因为NVIDIA的驱动默认会安装OpenGL，而Ubuntu的内核本身也有OpenGL、且与GUI显示息息相关，一旦NVIDIA的驱动覆写了OpenGL，在GUI需要动态链接OpenGL库的时候就引起问题。

安装过程中一些选项：
The distribution-provided pre-install script failed! Are you sure you want to continue? yes

Would you like to register the kernel module souces with DKMS? This will allow DKMS to automatically build a new module, if you install a different kernel later? No

Nvidia’s 32-bit compatibility libraries? No

Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up. Yes

显示成功安装之后，

sudo service lightdm start

ctrl+alt+f7进入图形界面，验证驱动是否安装好：

nvidia-smi

如果显示上图，并且重启能正常进入linux界面，意味着驱动安装成功。

三、CUDA安装

最重要的还是前面提到的，选好自己的版本

命令行：

sudo chmod a+x cuda_9.0.176_384.81_linux.run
sudo ./cuda_9.0.176_384.81_linux.run --no-opengl-libs

Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
(y)es/(n)o/(q)uit:n

Install the CUDA 10.0 Toolkit?
(y)es/(n)o/(q)uit:y

Enter Toolkit Location
[ default is /usr/local/cuda-10.0 ]: 直接回车

Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y

Install the CUDA 10.0 Samples?
(y)es/(n)o/(q)uit: n

配置环境变量：

sudo gedit ~/.bashrc

在最后添加：

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-9.0/bin:$PATH

执行：

source ~/.bashrc

验证cuda安装是否成功：

nvcc -V

或者：

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

若出现如下信息，则证明安装成功：

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX TITAN X"
  CUDA Driver Version / Runtime Version          10.0 / 10.0
  CUDA Capability Major/Minor version number:    5.2
  Total amount of global memory:                 12210 MBytes (12802785280 bytes)
  (24) Multiprocessors, (128) CUDA Cores/MP:     3072 CUDA Cores
  GPU Max Clock rate:                            1076 MHz (1.08 GHz)
  Memory Clock rate:                             3505 Mhz
  Memory Bus Width:                              384-bit
  L2 Cache Size:                                 3145728 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 2 copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device supports Compute Preemption:            No
  Supports Cooperative Kernel Launch:            No
  Supports MultiDevice Co-op Kernel Launch:      No
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 10.0, CUDA Runtime Version = 10.0, NumDevs = 1
Result = PASS

四、安装cudnn

这里，我一开始选择了7600版本，发现在编译源代码时报错：要使用7000，提示做cudnn的降级。

下载，解压，命令行：

tar xvf cudnn-9.0-linux-x64-v7.tgz

复制到cuda目录

sudo cp cuda/include/* /usr/local/cuda/include
sudo cp cuda/lib64/*   /usr/local/cuda/lib64

检测cuDNN是否安装成功，运行/usr/src/cudnn_samples_v7 中的mnistCUDNN sample

 cd /usr/src/cudnn_samples_v7 
 cp -r /usr/src/cudnn_samples_v7/ $HOME
 cd  $HOME/cudnn_samples_v7/mnistCUDNN
 make clean && make
 ./mnistCUDNN

如果出现 Test passed! 则说明安装成功，结果如图

五、python3和pip3安装

依次输入命令行安装：

sudo apt install python3
sudo apt install python3-pip

查看版本号：

pip3 --version

六、tensorflow安装

也是一条命令行安装：

pip3 install tensorflow-gpu==1.6.0

注意：在跑源代码时，会显示有些软件包没有安装，使用

sudo pip3 install 包名

基本都能解决。