（亲测）服务器 Ubuntu 14.04 安装 CUDA 8.0 + cuDNN 5.1 + tensorflow

{昨天服务器里的软件，一不小心被学弟upgrade了，结果导致 GPU Tesla P4 的驱动和 CUDA tookit 的驱动不匹配，结果就悲剧了。加上实验室的服务器（IBM 365 2U）年久失修，无奈之下又只能重装一遍。}

重装的时候，看了一些别的教程：显示自己重新下载安装了GPU的驱动 nvidia-573，安装了驱动之后 nvidia-smi 可以查看到GPU内存的使用情况，但是接下来安装 CUDA-8.0之后，执行 ./deviceQuery 的时候，显示有多个驱动冲突，但是安装 CUDA的时候我并没有安装GPU的驱动。。。。。。网上的各种教程，鱼目混杂，良莠不齐，所以决定自己写下亲测有效的安装经历，以备不时只需，也能帮助到他人。

总体来说只有三步：安装CUDA、安装cuDNN、安装tensorflow。

系统环境：原始的 Ubuntu14.04， GPU: Tesla P4

1、安装 CUDA-8.0  

这样直接安装CUDA，而不是先独立安装GPU驱动，在安装CUDA的过程中，会安装好相应的GPU驱动，省时省力，比较方便。

CUDA 8.0 大约2G，下载网址 https://developer.nvidia.com/cuda-downloads,进去下载相应的版本即可，但是现在已经没有14.04对应的版本了，已经更新成了16和17的版本。

1、安装    

到 CUDA 8.0 所在目录下：

sudo dpkg -i cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

安装后CUDA后，需要设置环境变量， 

sudo gedit /etc/profile , 

在profile结尾加上：


export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}  （替换成自己系统cuda的bin位置，一般默认是这个）


保存后，在终端中 source /etc/profile

2、测试

安装好CUDA之后，GPU的驱动也就自己安装好了，测试一下。

输入： nvidia-smi 查看GPU使用情况：

然后跳转至cuda的sample文件夹下：cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

执行make，之后执行文件：./deviceQuery

最后是 Result = PASS 就OK了。

2、安装cuDNN 5.1

1、下载

https://developer.nvidia.com/cudnn

注册后下载 cuDNN v5.1 Library for  Linux

2、安装

在下载包所在目录，打开终端：

tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz

sudo cp -P cuda/include/cudnn.h  /usr/local/cuda/include

sudo cp -P cuda/lib64/libcudnn*  /usr/local/cuda/lib64

sudo chmod a+r /usr/local/cuda/include/cudnn.h  /usr/local/cuda/lib64/libcudnn*

安装完CUDA 8.0 和 cuDNN 5.1后，在终端输入 

sudo apt-get install libcupti-dev

3、安装tensorflow

tensorflow可以在线安装：sudo pip install https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.1-cp27-none-linux_x86_64.whl 

也可以下载下来本地安装，因为之前就有现在好的包，所以我选择的是第二种。

在包 tensorflow_gpu-1.0.1-cp27-none-linux_x86_64.whl 所在目录，直接：

sudo pip install tensorflow_gpu-1.0.1-cp27-none-linux_x86_64.whl      

4、测试tensorflow

终端输入：  python

>>> import tensorflow as tf

如下图就OK。

至此，大功告成。