Ubuntu14.04安装Nvidia显卡驱动+cuda8.0+cudnn5.1+tensorflow

Ubuntu14.04安装Nvidia显卡驱动+cuda8.0+cudnn5.1+tensorflow

初始环境：
系统：ubuntu14.04 LTS
显卡：
双显，Intel+Nvidia gtx1050。Intel用于显示，之前没有使用过Nvidia这块独显。
python 2.7 + python 3.4
显卡驱动的安装有多种方法，这里我们采用run文件安装。

Nvidia驱动安装

• 首先查看并删除已有的显卡驱动：

sudo apt-get purge nvidia*

• 禁用自带的 nouveau nvidia驱动 （important！）
  创建一个文件 通过命令

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

并添加如下内容：

blacklist nouveau
options nouveau modeset=0

再更新一下

sudo update-initramfs -u

修改后需要重启系统。使用命令：

lsmod | grep nouveau

确认下Nouveau是已经被你干掉，如果终端没有输出则表示禁用成功。

• Nvidia官网下载驱动

官网

输入自己的显卡型号后下载*.run文件。放到用户目录下。

• 安装驱动
  进入命令行界面：Ctrl-Alt+F1
  关闭X-window
  sudo service lightdm stop
  给驱动run文件赋予执行权限
  sudo chmod a+x NVIDIA-Linux-x86_64-****.run
  安装(注意 参数)
  sudo ./NVIDIA-Linux-x86_64-****.run –no-opengl-files
  –no-opengl-files 只安装驱动文件，不安装OpenGL文件。这个参数最重要
  –no-x-check 安装驱动时不检查X服务
  –no-nouveau-check 安装驱动时不检查nouveau 
后面两个参数可不加。
  重新启动X-window：
  sudo service lightdm start
  然后Ctrl+Alt+F7进入图形界面
  重启

如果无法进入图形界面，则ctrl+alt+F1进入命令行界面，将驱动删除再重新安装一遍。

sudo ./NVIDIA-*****.run uninstall

成功进入图形界面后，终端运行

nvidia-sim

如果输出显卡信息，则表示驱动安装成功。

cuda安装

这里我们采用run文件安装方法。

• 首先，检查自己的GPU是否是CUDA-capable。去CUDA的官网查看自己的GPU版本是否在CUDA的支持列表中
• 检查自己的Linux版本是否支持 CUDA(Ubuntu 14.04没问题)
• 检查自己的系统中是否装了gcc
  在终端中输入： $gcc –version 可以查看自己的gcc版本信息
• 检查是否安装了kernel header和 package development
  在终端中输入：
  uname –r
  在终端中输入：
  sudo apt-get install linux-headers-$(uname-r)
  可以安装对应kernel版本的kernel header和package development

以上检查我的电脑系统都满足要求，如果没有满足要求的话，可以参考cuda的官方文档，里面有详细的针对每个问题的解决方案。

• 下载run file文件
  cuda官网下载地址：
  https://developer.nvidia.com/cuda-downloads
  选择自己相应的版本下载，大约1.4G。
• 安装
  进入命令行界面：
  Ctrl-Alt+F1
  关闭X-window
  sudo service lightdm stop
  切换到cuda runfile文件的保存路径。给下载的runfile文件赋予执行权限
  sudo chmod a+x cuda_8.0.61_375.26_linux.run
  运行安装。注意，提示是否安装openGL files时选择no，提示是否安装驱动时选择no。
  sudo sh cuda_8.0.61_375.26_linux.run --no-opengl-libs
  等待安装完成。出现以下语句时，表示安装结束。
  Driver ：Installed
  Toolkit ：Installed in /usr/local/cuda-8.0
  Samples ：Installed in /home/zlin
  重启图形界面
  sudo service lightdm start
  Alt + ctrl +F7，返回到图形化登录界面，输入密码登录。

倘若没有遇到循环登录的问题，基本说明cuda的安装成功了!!!!
如果遇到循环登录的问题，与前面驱动安装时一样，将驱动重新安装一遍即可。

• 重启电脑。检查Device Node Verification
  检查路径/dev下 有无存在名为nvidia*（以nvidia开头）的多个文件(device files) 
如果没有的话，可以参考官方文档里的指导步骤，进行添加。

• 设置环境变量
  终端中输入
  $ sudo gedit /etc/profile
  
在打开的文件末尾，添加以下两行。

  export PATH=/usr/local/cuda-7.5/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda7.5/lib64

然后重新加载环境变量
sudo source /etc/profile

• 安装完毕后的检查工作
  a): 检查 NVIDIA Driver是否安装成功
  终端输入 ：
  $ cat /proc/driver/nvidia/version
  会输出NVIDIA Driver的版本号
  b): 检查 CUDA Toolkit是否安装成功
  终端输入 ：
  $ nvcc –V
  会输出CUDA的版本信息
  c): 尝试编译cuda提供的例子
  切换到例子存放的路径，默认路径是
  ~/NVIDIA_CUDA-7.5_Samples 
（即/home/xxx/ NVIDIA_CUDA-7.5_Samples， xxx是你自己的用户名）
  然后终端输入：$ make
  如果出现错误的话，则会立即报错停止，否则会开始进入编译阶段。 
我的第一次运行时出现了报错，提示的错误信息是系统中没有gcc 
然后在终端运行 $ sudo apt-get install gcc
  安装完gcc后 再make就正常了 
整个编译的时间持续比较长，耐心等待，大概十几分钟是需要的。
  d):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-7.5_Samples/bin中。
  
切换路径 ：
  
cd ~/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux/release 

  
终端输入 ：$ ./deviceQuery
  看到类似如下图片中的显示，则代表CUDA安装且配置成功（congratulation！！）
  
  再检查一下系统和CUDA-Capable device的连接情况 

  终端输入 ：$ ./sandwidthTest 
看到类似如下图片中的显示，则代表成功 

  

至此，cuda8.0安装成功。

CUDNN安装

下载cuDNN v5.1 Library for Linux.
https://developer.nvidia.com/cudnn

下载完cudnn5.1之后进行解压，cd进入cudnn5.1解压之后的include目录，在命令行进行如下操作：

sudo cp cudnn.h /usr/local/cuda/include/    #复制头文件

再将cd进入lib64目录下的动态文件进行复制和链接：

sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5    #删除原有动态文件
sudo ln -s libcudnn.so.5.0.10 libcudnn.so.5  #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so      #生成软链接

如果以后要换cuDNN的版本，照着上述步骤重装一遍即可。

安装tensorflow

sudo pip3 install tensorflow-gpu=1.2.1
因为我要学习的google nmt神经机器翻译模型需要tf的版本>=1.2.1，因此我安装的版本是1.2.1。大家根据自己的需要来安装相应的版本。

检查tensorflow是否安装成功：

python3
import tensorflow as tf