Linux下CUDA+CUDNN+TensorFlow安装笔记

之前用过TensorFlow的CPU版，现在买了个新电脑，就想把GPU也用起来，又因为目前大部分工作是在linux下做，所以有了在linux下安装cuda和TensorFlow的计划，快一个礼拜一直在搞这件事，重装了N次系统，cuda和TensorFlow终于是能用了。姑且写一下攻略吧，也算自己留个档。

注意事项

1. 此攻略适用于广大使用Nvidia显卡的Ubuntu用户，CentOS，RedHat，Windows等等用户请自行阅读Nvidia各种安装说明，A卡用户出门左转。
2. 双显卡用户注意，按此攻略安装的nvidia显卡驱动可以支持TensorFlow等等的机器学习计算，然而并不能优化图形界面。这个主要是因为我目前还没找到好的办法进行双显卡切换，搞了几次都搞到重装，心累，所以现在图形化界面还是用的Intel集显。如果大家有好办法欢迎共享。
3. 关于软件版本以及安装方法，这里安装的是CUDA-8.0+CUDNN-7+TensorFlow-0.11.0，Nvidia驱动和CUDA都是脚本安装，CUDNN是Debian包安装，TensorFlow是pip直接安装。

废话不多说了。

原料

• 一个有Nvidia显卡的电脑
  要知道N卡的型号，不知道的可用命令sudo lspci | grep -i nvidia查看，我的是GTX960M
• 一个Ubuntu系统
  同样要明确系统版本，我的是16.04
• GCC
  GCC为系统自带程序，无需自行安装。有安装教程说gcc需要降级到5以下，这个主要针对CUDA和你的Ubuntu系统版本，我用的gcc 5.4版本装CUDA8完全没有问题，Ubuntu14.04的用户最好降一降。
• CUDA8安装脚本
  贴个链接指路，官网现在默认你安装的是9.0版本，然而9.0版本需要显卡驱动至少在384及以上，出于稳妥考虑装了8.0版本，同样对驱动有要求（在375及以上）。
• CUDNN安装包
  链接指路下载前需要注册，然后要填个问卷，按步骤来就行很快，然后按照你的系统版本和你将要安装的cuda版本选择下载哪一个，Ubuntu用户不要选power8，可以看到一共有三个包可以下载，分别是Runtime Library，Developer Library和Code Samples，都下了吧反正也不大（你走）。
• 驱动安装脚本
  链接指路，按照提示找到适合自己电脑显卡型号的驱动，下载得到一个脚本(.sh)文件。

步骤

卸载原有的N卡驱动

这一步主要是针对像我这种以前为了各种谜之目的装过Nvidia驱动而版本又不够高导致后面CUDA装了不能用的熊程序员，以及看了别家攻略安装失败了的你，不要觉得之前装过Nvidia驱动装错了就可以直接丢开。
执行以下命令：

sudo apt-get --purge remove nvidia-*

对于之前从Nvidia官网下载安装过驱动的，如果你的驱动版本小于CUDA的要求（8.0至少375，9.0至少384），找到之前安装脚本所在的目录，执行以下命令：

sudo sh 你的脚本.sh --uninstall

禁用开源驱动nouveau

Ubuntu系统默认使用的驱动即为开源的驱动nouveau，我们需要禁用它并且之后也不需启用。
编辑系统配置文件blacklist.conf

sudo gedit /etc/modprobe.d/blacklist.conf

在其中添加下面两行：

blacklist nouveau
options nouveau modeset=0

保存，退出，执行如下命令使配置生效：

sudo update-initramfs -u

重启电脑，至此开源驱动就已被禁用了，可用如下命令进行检查：

lsmod | grep nouveau

如果系统什么也没返回，说明nouveau禁用成功

关闭UEFI模式

这一步主要是安装驱动的需要。在UEFI模式下安装驱动需要为驱动生成签名，公钥需要存储在linux内核信任的某目录下，关于这方面没有找到什么资料，目前大部分的解决办法都是直接关闭UEFI模式。
UEFI的关闭方法与电脑型号有关，我的戴尔灵越是F2进入BIOS后在Boot标签下选择关闭Secure Boot，之后就可以选择从UEFI模式切换到Legacy模式，其他电脑型号请百度。

结束X server服务

在终端输入以下命令：

sudo service lightdm stop

之后如果直接死机请重启查看nouveau禁用设置是否正确。正常情况会黑屏，然后按Ctrl+Alt+F1进入字符终端界面，输入用户名和密码通过验证。

安装Nvidia驱动

进入存放驱动脚本的目录，执行以下命令：

sudo chmod a+x 你的脚本.sh
sudo ./你的脚本.sh -no-x-check -no-nouveau-check -no-opengl-files

执行脚本的三个参数是为了防止接下来循环登录。然后按照步骤进行就可以了，如果提示无法安装32-bit lib不用担心，回车继续就好。
安装完成后重新启动X server服务：

sudo service lightdm start

如果执行以上命令后能够正常进入图形界面，恭喜你安装驱动成功。

安装CUDA

进入CUDA安装脚本所在的目录，执行以下命令：

sudo sh 你的脚本.sh

首先会出现一段极长的协议，最后输入accept表示同意，然后会选择是否安装nvidia驱动367，选择no，遇到询问是否安装opengl的地方如果你是双显卡也务必选择不安装，其他同意或默认即可。
安装完成后需要将CUDA的路径加入环境变量，首先打开~/.bashrc文件，添加以下代码：

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

中间不要加多余的空格，如果你安装的不是8.0版本则修改版本号，保存，然后打开/etc/profile，文末加上以下代码：

export PATH=/usr/local/cuda/bin:$PATH

保存，至此CUDA安装完毕。

安装CUDNN

进入CUDNN安装包所在目录，执行以下命令：

sudo dpkg -i runtime包.deb
sudo dpkg -i developer包.deb
sudo dpkg -i 代码sample包.deb

至此，CUDNN安装完成。

验证CUDA和CUDNN是否安装成功

CUDNN的code sample可以用来检查CUDNN和CUDA是否安装成功，执行以下命令：

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

正常情况下执行以上代码会得到Test passed!的结果。如果在make步出错，那么可能gcc需要降级；如果出现CUDA driver version is insufficient for CUDA runtime version，那么或许你的显卡驱动安装失败，或许你之前安装过低版本的nvidia的显卡又没有删掉。

安装TensorFlow

如果以上步骤都没有问题，恭喜你可以开始安装TensorFlow了。这里采用的是用pip安装的方法。首先安装pip和python dev：

sudo apt-get install python-pip python-dev

安装完毕后执行如下命令：

sudo pip install https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl

如果出现无法访问的情况，翻个墙或者去清华镜像站安装吧，注意选择tensorflow和python版本，通常来说是能够正常下载安装的。
至此TensorFlow安装完成。

验证TensorFlow是否安装成功以及是否是否能够使用GPU

注意：如果是关闭UEFI模式安装的GPU驱动，那么在使用GPU加速机器学习时也需要关闭UEFI模式，否则会报错。
打开一个python终端：

python

逐行敲入以下代码：

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print sess.run(hello)

如果出现以下字样，说明TensorFlow安装成功，并且能够成功启用GPU。

Ctrl+D关闭python终端。
如果出现以下错误，或许UEFI模式没有关闭，或许显卡驱动安装错误。

参考文档

• Nvidia Driver官方安装指南
• Nvidia Cuda官方安装指南
• Nvidia CUDNN官方安装指南
• ycszen的个人博客
• TensorFlow中文社区