Ubuntu 16.04下安装NVIDIA驱动程序 + CUDA 8.0 + cuDNN 6.0
安装其他版本的CUDA与cuDNN步骤一样！！
- Ubuntu 16.04下安装NVIDIA驱动程序 + CUDA 8.0 + cuDNN 6.0
- Ubuntu 16.04下安装NVIDIA驱动程序 + CUDA 9.0 + cuDNN 7.0
吃鸡总有吃腻的那天，看着屏幕前倒在我枪口下的队友，我毅然决然的决定在自己的PC机上装个Ubuntu，开始步入深度调参这条不归路…
原本PC上只有一块M.2的固态硬盘，为了搭建深度学习环境，搞了一块500G的古董机械硬盘，首先分出来100G在Win下用装GTAV，剩下不到400G用来装Ubuntu。
我看着手中的U盘微微一笑?，熟练的把他插进了机箱上的USB口。如题目所讲，我装了一个Ubuntu16.04 LTS，台式机硬件配置见这里。
文章目录
- 安装NVIDIA驱动程序
- 安装CUDA 8.0
- 安装cuDNN 6.0
- 后记
- 补充：分开安装CUDN与cuDNN
- 参考
安装NVIDIA驱动程序
刚装完系统会发现屏幕的分辨率不对，这是因为独显驱动的问题，首先在官网找到自己显卡对应的驱动，官网
http://www.nvidia.com/Download/index.aspx?lang=cn
我下载的是NVIDIA-Linux-x86_64-384.111.run,我的Ubuntu用户名为pizi，在/home/pizi/下创建了driver目录，之后用到的安装包全放在这里，路径里最好不要有中文名。
我的安装过程很暴力：
cd /home/pizi/driver
sudo chmod 777 NVIDIA-Linux-x86_64-384.111.run
然后CTRL+ALT+F1登录控制台，输入账户和密码，之后：
sudo service lightdm stop
在这里因为用到sudo，所以会提示输入密码，如果看到乱码不要慌张，默默的输入密码然后回车就是了，后面如果出现也一样。接着：
sudo init 3
cd /home/pizi/driver
# 进入安装程序
sudo ./NVIDIA-Linux-x86_64-384.111.run
安装第一部会提示协议条款，accept即可；之后按照提示进行安装，中间会提示警告32-bit文件无法安装，忽略即可，接着下一步；接下来根据提示一步一步安装即可…（我记得有一步提示有个什么文件用不用安装，都装了呗）
安装完成后，重启：
sudo reboot
重启后会发现分辨率已经自动改正好了，在命令行输入：
nvidia-smi
提示：
恭喜，显卡驱动装好了。
可以
sudo ./NVIDIA-Linux-x86_64-384.111.run --uninstall进行卸载
在PC上装了SSH-Service，在实验室可以远程继续装环境了，以下过程全在远程SSH（本地应该也没问题）下完成。
安装CUDA 8.0
为什么装CUDA8.0？应为这个版本即支持TensorFlow，又可以用MXNet，还可以用Matlab和caffe等。
在这里找下载地址，需要注册一个帐号：
https://developer.nvidia.com/cuda-release-candidate-download
我下载了cuda_8.0.61_375.26_linux.run，并把它放到了/home/pizi/driver。接下来开始安装：
cd /home/pizi/driver
sudo chmod 777 cuda_8.0.61_375.26_linux.run
sudo ./cuda_8.0.61_375.26_linux.run
会提示安装协议，accept即可：
Do you accept the previously read EULA?
accept/decline/quit: accept
提示是否安装显卡驱动，因为第一步已经装过了，所以这里n：
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
(y)es/(n)o/(q)uit: n
然后选择安装目录，默认就好（直接回车）：
Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]:
接着是否创建链接，y创建即可：
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
接下来提示是否安装Sample，程序示例，以及保存位置，最好进行安装，一会测试是否安装成功用，保存位置默认即可：
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
[ default is /home/pizi ]:
其实到现在CUDA 8.0已经安装好了，它的提示中有一段：
Please make sure that
- PATH includes /usr/local/cuda-8.0/bin
- LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-8.0/bin
倒着看，首先说可以在/usr/local/cuda-8.0/bin运行卸载程序，看了一下，里面有perl脚本uninstall_cuda_8.0.pl用来卸载，就算之前没有安装Sample页面关系，里面有cuda-install-samples-8.0.sh脚本可以安装，目录如下图：
然后又提示需要添加环境变量和设置，这样操作（我感觉nano比较好用，也可以用vim/vi/gedit）：
sudo nano /etc/profile
# 在最后加入
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
# ctrl + x 保存
source /etc/profile
sudo nano /etc/ld.so.conf
# 在最后加入
/usr/local/cuda-8.0/lib64
# ctrl + x 保存
sudo ldconfig
大功告成，输入ldconfig -v|grep cuda，如果看到：
libicudata.so.55 -> libicudata.so.55.1
libcuda.so.1 -> libcuda.so.384.111
libcudart.so.8.0 -> libcudart.so.8.0.61
就算设置好动态链接库了。接下来为编译Sample安装必须的开发工具：
sudo apt-get update
sudo apt-get install build-essential
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
安装完成后你可以选择编译全部Samples（速度慢）：
cd /usr/local/cuda-8.0/NVIDIA_CUDA-8.0_Samples
# 多线程编译
sudo make -j8
编译完成后在NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release目录里可以看到变好的二进制文件，可以随便选择一个运行测试，比如./deviceQuery，当然，在可以NVIDIA_CUDA-8.0_Samples目录里进入1_Utilities/deviceQuery进行make，在输出二进制目录里运行编译好的程序。
如果安装过程中提示toolkit installation failed using unsupported compiler。这是因为GCC版本不合适所导致的。试试sudo ./cuda_8.0.61_375.26_linux.run -override。
安装cuDNN 6.0
其实CUDA和cuDNN都是编译好的二进制文件，把他们放到自己的系统目录，设置好环境变量就可以使用了，对于cuDNN，选择6.0是因为TensorFlow官方的推荐，MXNet也可以使用。在下面地址下载：
https://developer.nvidia.com/cudnn
我下载了cudnn-8.0-linux-x64-v6.0.tgz，依然放入了home/pizi/driver,接下来进行安装：
tar -xvf cudnn-8.0-linux-x64-v5.1.tgz
# 解压到了cuda文件夹
cd cuda
sudo cp ./include/cudnn.h /usr/local/cuda-8.0/include
sudo cp -a ./lib64/libcudnn* /usr/local/cuda-8.0/lib64
至此，全部安装完成?。
后记
sudo apt upgrade后发现无法找到显卡驱动，nvidia-smi无法显示，不要慌张，重新安装一下显卡驱动就行了，其他环境不用动。- 如需安装其他版本CUDA与cuDNN，下载相应的安装包即可，安装步骤和上述步骤基本一致，可参考上述步骤。
补充：分开安装CUDN与cuDNN
看完文章后你会发现CUDNN与cuDNN都是编译好的二进制文件及头文件，完全可以分开放，分开放的好处是可以自由的组合不同版本的CUDNN与cuDNN，比如我再搭建GPU容器那篇文章里，在共享文件夹里放了不同版本的CUDA与cuDNN，每个容器可以自由选择，只需要在/etc/profile于ldconfig中配置相应的路径即可。
比如/etc/profile：
# CUDN配置
export PATH=$PATH:/A-pool/cuda/cuda-9.0/bin:/A-pool/cuda/cuda-9.0/include
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/A-pool/cuda/cuda-9.0/lib64
export CUDA_HOME=/A-pool/cuda/cuda-9.0
# cuDNN配置
export PATH=$PATH:/A-pool/cudnn/cuda-9.0-cudnn-7.0/include
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/A-pool/cudnn/cuda-9.0-cudnn-7.0/lib6
/etc/ld.so.conf:
/A-pool/cuda/cuda-9.0/lib64
/A-pool/cudnn/cuda-9.0-cudnn-7.0/lib64
参考
[1] http://blog.csdn.net/u012581999/article/details/52433609
[2] http://blog.csdn.net/Suodislie/article/details/70228138
[3]原文来自我的个人博客 https://feelncut.com/2018/01/09/46.html