Ubuntu14.04 安装NVIDIA驱动+CUDA9.0+CUDNN+tensorflow-gpu 以及Anaconda的一些问题

 

写在前面：

      由于需要做ROS的一个项目，ubuntu需要装14.04和ROS indigo的东西，于是就在Ubuntu14.04的环境下进行安装，学校电脑是Dell的WorkstationT7910, 装上Ubuntu14.04之后就有一些问题，Ubuntu14.04兼容不了显卡，导致图标过大，分辨率很低，在设置页面又是不能够调节，本来想凑合用，但是在Gazebo和rviz显示的时候太过于别扭了，于是下定决心要把驱动装好，就开始了漫漫的装驱动之路，也算是踩过不少坑，写下这篇博客为后来人铺路。之后的CUDA也有不少坑，算是配环境配到手软吧哈哈。

最后强力推荐一个老哥的博客，写的很好，很细致，从配环境到手把手教深度学习项目内容都有，感兴趣的读者欢迎访问

https://blog.csdn.net/qq_33431368

一、NVIDIA驱动安装

一开始我是没打算学习深度学习的，只是想要把环境装好，查了多方资料，最终搞好了，这篇博客给我了很大的帮助，附上链接以示尊敬。点击此处[1]

里面也有讲解ubuntu系统的安装，这里就不多提了，来说一下驱动的安装。

首先，需要了解自己的显卡型号

• 这点有人说使用  

 lspci | grep VGA

命令就能查看，但是我这边是没有识别出来的，显示如下

03:00.0 VGA compatible controller: NVIDIA Corporation Device 1bb0 (rev a1)

• 还查到了有人说在

/etc/X11/xorg.conf

路径下能看到自己的显卡型号，我的是

也没有显示，emmmm由于我是双系统，在win10中用鲁大师查到了自己的配置，如果读者没有双系统的话如有查询的方法望告知。

下载适合自己电脑的驱动

接下来，就登录nvidia的官网下载适合自己的显卡驱动吧。网址[2]

选择适合自己版本的显卡驱动，我的就是这个 Quadro P5000

在接下来的窗口点击下载即可。

安装驱动（引用自网址[2]）

（1） 卸载原有驱动 sudo apt-get remove --purge nvidia-* 如果之前没有装过NVIDIA驱动，这步可以不需要。

（2） 禁用Ubuntu系统自带的通用显卡驱动nouveau

sudo  gedit  /etc/modprobe.d/blacklist.conf输入密码后，该命令会用gedit工具打开一个配置文本文件，类似于window里的txt文件，在该文件的最后添加一行：blacklist nouveau后保存退出。然后终端敲入命令 sudo  update-initramfs  -u  

（3） 重启电脑，打开终端敲入命令 lsmod  |  grep  nouveau 若无输出表示该驱动禁用成功。

（4） 开机后，Ctrl+alt+F1进入tty1，按提示输入用户名（login）、密码（password）后，敲入命令sudo service lightdm stop，显示lightdm stop/waiting字样代表禁用X服务器成功。（提示，小键盘不管用，用字母上面的那些数字来输入你的数字密码）

（5） 安装NVIDIA显卡驱动，若是deb包敲入命令 dpkg  -i  “.deb文件名”；若是run文件敲入命令sudo  sh  “.run文件名”。按照提示选择进行安装，如accept、yes、ok等,等待片刻即可安装成功。

（6） 敲入命令sudo  service  lightdm  start 打开X服务器后，重启电脑。

（7） 进入终端用以下三个命令均可验证显卡驱动是否安装成功，最后一个命令需要根据提示安装glxinfo程序：sudo nvidia-smi（显示GPU设备表）、cat  /proc/driver/nvidia/version（显示出用于显示的GPU驱动程序版本号、也就是那块接了显示线的独显的驱动程序版本号）、glxinfo  |  grep rendering（显示yes）

至此，驱动部分已经装好了，可以试一下

nvidia-smi

来看一下自己的驱动是否装好,如下图

我的界面是在恢复图形界面时，自动的适应了屏幕的分辨率，如果你的没有，可以在系统设置--显示中查看

（发现上方 CUDA版本是10.0， emmm，这就是我踩过的坑之一，后面会讲）

其实本节上方的链接有讲CUDA的安装，但是当时我心不在此，装好了驱动之后感觉万事大吉，并没有总结，也没有去装CUDA, 导致后来又有了一系列的惨剧，今天先写到这里，明天有时间补。

二、Anaconda+CUDA的安装

最近开始学习深度学习的一些东西，需要用到tensorflow的东西，由于机器显卡比我的计算机强的不知道多少倍了，于是决定一步到位，安装一个GPU版本的tensorflow，于是开始各方查资料，了解到要安装CUDA和CUDNN，而CUDA需要有NVIDIA驱动的支持，不同版本的CUDA也有一个最低的驱动配置要求。

我当时是参考的这一篇博客[3]，因为看到别的CUDA10.0都跟tensorflow不兼容，导致无法运行，只有这一篇兼容，于是进行了操作。

（后来看到了HongShu Che大佬的博客，这个大佬我认识，人自律又十分强，写了十分多的关于机器学习和深度学习实战的文章，我也准备进一步关注他的博客。看到了他给出了一个解决方案，但是这时候我已经换到了CUDA9.0，也懒得折腾了，如果大家有需求，请参看大佬博客1.[4]  2.[5])

于是开开心心的装了Anaconda3.0于清华的镜像源，装了CUDA10.0以及配套的CUDNN，结果出现了很严重的问题。

在此放出清华的源[6] 

查询了很多解决方案，不管是下载还是更新全部都是如此，换源换过清华的还有中科大的，也换过最新的清华源，但是并没有任何改善，知乎网友说遇到了这个情况把源都删掉，用默认的官网的源就好了，但是依旧不起作用。哦对了，值得提的就是最开始重启电脑的时候，安装成功了，但是之后再也没有成功过，导致我无法用anaconda安装tensorflow而根据我参考的博客说，pip下载的tensorflow是只能跟cuda9.0兼容的，于是我陷入了瓶颈。

附上清华的源的添加方法，和网址，能够直接使用成功的小伙伴可以直接食用。

添加方法：添加源的方法[7]

如果成功的小伙伴可以跳过这一点了，如果没有成功的小伙伴我先附上我的解决方案。

一些源：中科大&清华的源[8]

• 卸载之前的cuda10.0 参考[9]
• 安装新的cuda9.0，移步官网https://developer.nvidia.com/cuda-90-download-archive[10]

步骤如下：

应该有人疑惑为什么不选deb(local) 安装吧，因为之前我安了10.0的，再次安装的时候默认安装10.0导致我安不了9.0的，于是找到了一个安装9.0的方法，就是用runfile文件安装了。

参考https://www.cnblogs.com/cmsax/p/tfub.html 

这里需要注意的是，我们已经安装好了驱动，他询问是否安装驱动的时候选择n，否则可能会被覆盖掉，我们之前的驱动就白装了。

CUDNN的安装

https://developer.nvidia.com/rdp/cudnn-download

科学上网上去，之后进去需要注册账号，验证邮箱等，然后对应到相应的版本号下载需要的CUDNN就好了

直接找到for CUDA 9.0中的 for Linux 下载

下载完之后解压出来，在该文件目录下

sudo cp lib64/* /usr/local/cuda/lib64/　　　　　#复制头文件
sudo cp include/cudnn.h /usr/local/cuda/include/ 　　　　　　#复制动态链接库

cd /usr/local/cuda/lib64
sudo rm -rf libcudnn.so libcudnn.so.9.0
sudo ln -s libcudnn.so.9.0.64 libcudnn.so.9.0
sudo ln -s libcudnn.so.9.0 libcudnn.so

测试一下

nvcc -v

如果输出版本号则证明安装成功。