ubuntu18.04 深度学习GPU环境配置（步骤很简单，特别是tf的安装）

ubuntu18.04 深度学习GPU环境配置

环境配置：Ubuntu 18.04、cuda 9.0、cuDnn v7、TensorFlow1.9 与anaconda3 5.2.0

1 进行NVIDIA的驱动安装

1.1 通过官网下载合适的run文件进行安装

官网： https://www.geforce.cn/drivers
打开网站后输入你的配置，然后开始搜索

在结果中下载最新或者想要的不能本的run文件

1.2 删除旧的驱动

Linux默认安装的显卡驱动不是英伟达的驱动，所以先把旧得驱动删除掉，不过我输入命令后显示没有旧驱动，所以也省事。

1 # 删除
2 sudo apt-get purge nvidia*

1.3 禁止自带的nouveau nvidia驱动

ubuntu自带的nouveau驱动会影响cuda安装，不当操作会导致黑屏和登陆循环。
由于 blacklist.conf文件不允许修改，得先用chmod修改属性，获得权限。
修改属性的代码：

sudo chmod 666 /etc/modprobe.d/blacklist.conf  

直接打开blacklist文件，在文件最末尾加入下面两行代码行，然后点击保存，最后关闭文件。
（如果终端显示不支持操作，不用管它，还是能成的。）

blacklist nouveau  
options nouveau modeset=0 

然后记得将文件权限复原

sudo chmod 644 /etc/modprobe.d/blacklist.conf

更新：

sudo update-initramfs -u

最后在终端输入以下代码重启电脑，完成修改

sudo reboot

重启电脑后确认是否已经将自带的驱动屏蔽了，输入代码后没有结果输出，则表示屏蔽成功，可以进行安装了

lsmod | grep nouveau

1.4 安装NVIDIA驱动

注：安装之前，要进行以下关键一步：
再重启电脑，然后开机瞬间按F2进入bios设置（或者delete，esc…在网上查自己牌子、型号电脑按什么键进入）,然后找到Security里面的 Secure Boot选项，Secure Boot选择Disabled，按f10保存，重启。（不同电脑不一样，只要能将secure boot 设置成disabled就行了）否则安装驱动会失败。设置好之后开机，按照以下步骤安装即可成功。

先关闭图形化界面（输入后显示没加载，不用管，还是可以的）

sudo service lightdm stop

再按 Ctrl+alt+F1，此时会返回登陆界面，输入登陆密码后则可进入字符界面。

安装驱动

sudo chmod a+x NVIDIA-Linux-x86_64-415.13.run //获取权限
sudo ./NVIDIA-Linux-x86_64-415.13.run //安装驱动

安装结束后重启电脑，再查看是否安装成功
（若成功，两行代码的结果会分别显示如下：）

sudo nvidia-smi
sudo nvidia-settings

2 cuda7.0安装

2.1 下载文件

官网下载cuda7.0的网址：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal
按如图选择，然后点击下载（其余补丁不用下载了）：

2.2 安装依赖库

在下载完成后在运行这个run文件之前先安装依赖库:

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

2.3 gcc降版本

CUDA9.0要求GCC版本是5.x或者6.x，其他版本不可以，需要自己进行配置，通过以下命令才对gcc版本进行修改。

# 查看版本（版本若高于6，则按代码降低到5）
g++ --version 

# 版本安装：
sudo apt-get install gcc-5
sudo apt-get install g++-5

通过命令替换掉之前的版本：

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

最后查看版本，验证是否修改成功。

2.4 安装cuda9.0

运行下载的run文件：

sudo sh cuda_9.0.176_384.81_linux.run

注意：在安装过程中会提示是否需要安装显卡驱动（这是很久的版本），如图所示，在这里要选择n，其他的选择y或者回车键进行安装。一定要注意！！否则前面安装的驱动就白安装了，而且还会导致出错。
到最终的结果如果没有错误，得到的结果如图所示：

2.5 环境配置

按以下步骤操作：

#打开一个配置文件
sudo gedit ~/.bashrc

#在末尾把以下配置写入并保存，可能会警告不支持操作，不用理会
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}} 
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

#最后更新一下
source ~/.bashrc

#重启电脑
sudo reboot

2.6 测试是否安装成功

# 进入例子对应的文件夹
cd NVIDIA_CUDA-9.0_Samples/5_Simulations/fluidsGL
# 执行make
make clean && make
# 运行
./fluidsGL

会生成一个流动的图，在图上按住鼠标左键拖动，即可看见流体被黑色的痕迹划开。安装完成。

当运行以上的程序时，不要关闭，在新终端里输入nvidia-smi查看GPU的使用情况。

3 cuDnn v7 安装

3.1 下载

cudnn的安装一定要和cuda相匹配，由于我们安装的cuda是9.0版本，在官网查看后，选择相应的cudnnV7安装。
点击官网：https://developer.nvidia.com/rdp/cudnn-archive。
然后在cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 的列表里下载三个文件 ，如图：

3.2 安装

sudo dpkg -i libcudnn7_7.0.5.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.5.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.5.11-1+cuda9.0_amd64.deb

3.3 测试

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

最终如果有提示信息：“Test passed! ”，则说明安装成功，如图所示：

4 进行anaconda的安装

注：最好下载清华镜像源的5.2.0的版本下载，这样安装tf-gpu的速度将快很多。
因为python3.7不能匹配tensorflow-gpu1.9.0，若python3.7环境下安装的tf，导入tf时会出现错误，没有该tf模块。
ubuntu18.04系统的自带python版本是3.6.7，anaconda5.3版本的python版本是3.7，5.2.0的python版本是3.6.5。

4.1 下载

清华镜像源网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/， 选择5.2.0版本下载

4.2 安装

      bash ~/Downloads/Anaconda3-5.2.0-Linux-x86_64.sh

之后一直按回车或者yes就行了。安装完成后要重启电脑。

5 安装tensorflow-gpu1.9

我在这就写一个最容易成功的安装方法：终端输入anaconda-navigator后，点击environments，点击base，然后选择all，输入tensorflow搜索所有可以下载的选项，选择gpu版本，然后按apply，等待它再弹出一个窗口，按下载后等待即可。


安装完在终端进入python环境，import tensorflow as tf，查看它的版本，若这个过程都没有提示错误，则表示以上所有的版本都是匹配的，安装成功。
查看版本代码如下：

tf.__version__

祝成功。