【只谈干货】ubuntu18.04多版本CUDA安装指南（10.1 + 8.0）

原来的系统及相关配置：
ubuntu18.04 + CUDA10.1 + cuDNN7.6.4
安装教程如下：
https://blog.csdn.net/ys578676728/article/details/102669085

由于需要测试的source code使用的是tensorflow1.2版本，需要CUDA8.0支持，故尝试在已有的10.1版本的情况下安装CUDA8.0。过程中踩过一些坑，特此记录下来。

0. 下载安装CUDA8.0

https://developer.nvidia.com/cuda-80-ga2-download-archive
按照如下选择，忽略 Version: 16.04

两个都下载，按提示运行sudo sh cuda_8.0.61_375.26_linux.run

按照下图选择，注意不用安装驱动，其余都默认yes

1. Toolkit: Installation Failed. Using unsupported Compiler.

第一个坑：使用不支持的编译器。因为系统中的编译器是gcc-7，而CUDA8.0安装时只支持gcc-5以下的版本，因此我们安装个gcc-4.8和g++-4.8

sudo apt-get install gcc-4.8 g++-4.8

查看此时系统默认gcc版本

gcc -v

发现还是gcc-7。因此我们还需要修改系统默认的gcc版本，这里使用update-alternatives，这个命令是个专门维护系统命令链接符的工具，具体在此不赘述，使用方法如下：

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 20 --slave /usr/bin/g++ g++ /usr/bin/g++-4.8
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 10 --slave /usr/bin/g++ g++ /usr/bin/g++-7

上面两个命令分别创建了gcc-4.8, gcc-7和系统gcc的关联，20和10表示其优先级，数字越大优先级越高。同时g++作为slave从属前面的关联。可通过如下命令查看创建结果：

sudo update-alternatives --config gcc

此时再查看系统gcc版本时发现已经变成了gcc-4.8。当我们需要切换版本时，只需选择对应版本前面的序号0/1/2即可。

2. Toolkit: Installation Failed.

虽然上面一步解决了编译器版本的问题，重新安装时发现还是报错。此时我们查看一下日志/tmp/cuda_install_*.log，可以看到如下提示：

Can't locate InstallUtils.pm in @INC

表明无法找到InstallUtils.pm这个文件。同时注意到log中@INC contains后面还跟着很多路径，首先需要确认下这些路径是不是在系统中存在，找到一个即可。我的系统中有/usr/share/perl5，因此下一步就是将InstallUtils.pm复制到此路径：

mkdir cuda-8
sudo sh cuda_8.0.61_375.26_linux.run --noexec --target cuda-8
sudo cp cuda-8/InstallUtils.pm /usr/share/perl5

完成上述步骤后，重新安装：

sudo sh cuda_8.0.61_375.26_linux.run

安装成功！！！

3. CUDA不同版本切换

经过上述步骤，/usr/local里同时有cuda-10.1和cuda-8.0两个文件夹。此时同样使用update-alternatives来实现版本管理：

sudo update-alternatives --install /usr/local/cuda cuda /usr/local/cuda-8.0 20
sudo update-alternatives --install /usr/local/cuda cuda /usr/local/cuda-10.1 10

同时需要注意的是，如果之前的环境变量设置的是/usr/local/cuda-10.1需要改成/usr/local/cuda。如下图情况就需要修改。

最后执行下面命令：

sudo ldconfig /usr/local/cuda/lib64

在需要版本切换时，执行如下语句，然后选择需要版本所对应的序号即可。

sudo update-alternatives --config gcc

4. 安装对应的cuDNN

和CUDA8.0对应的cuDNN版本为5，下载cuDNN v5 Library for Linux
https://developer.nvidia.com/rdp/cudnn-download
下载完成后，将文件解压，然后：

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

cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so