Deepin 20 Beta 配置NVIDIA驱动和Cuda 10——安装Tensorflow-gpu

前言

电脑配置Deepin 20 Beta + GTX1050，tensorflow-gpu安装的版本是tensorflow-gpu 1.14.0，Python3.7,CUDA安装的版本是CUDA Toolkit 10.0，CUDNN是要与CUDA版本对应的。

最近安装了新发布的Deepin 20Beta系统，界面确实漂亮些，且适配了很常用应用，Windows10和Deepin双系统体验相当不错。
由于学习需要配置Deep Learning环境要用到Tensorflow-gpu,首先得安装闭源驱动和cuda。
下面是具体过程本文是关于tensorflow-gpu和CUDA以及cuDNN匹配安装的经记录，本人Linux小白参考网上很多资料才安装成功，故整理一下，希望能帮到有需要的人。

一、安装NVIDIA Driver

1、下载驱动
去NVIDIA官方下载对应的驱动
GeForce xx series 是台式机显卡驱动
GeForce xx series (Notebooks) 是笔记本驱动
比如我这台老机器是GTX1050，我就按照下图这样设置

2、禁用NVIDIA开源驱动nouveau
新建一个黑名单让系统启动的时候不去加载开源驱动
sudo dedit /etc/modprobe.d/blacklist.conf
写入以下内容：

blacklist nouveau
  options nouveau modeset=0

按ESC键，输入 :wq！ 保存
然后执行，
sudo update-initramfs -u
重启系统，重启后查看是否生效，
输入以下代码检查是否禁用成功
lsmod |grep -i nouveau
如果没有输出内容，证明禁用成功了。

3、安装NVIDIA闭源驱动
先检查之前时候安装过闭源驱动和大黄蜂方案，如果有最好卸载掉。
nvidia-smi
没输出内容证明没有安装过闭源驱动
（1）如果你之前使用过大黄蜂方案，需要删除大黄蜂所安装的软件，可以用以下命令：

dpkg -l | grep -i nvidia | awk '{ print $2 }' | cut -d: -f1 | xargs apt-get -y remove --purge

如果报错——无法打开锁文件 /var/lib/dpkg/lock - open (13: 权限不够)，可以sudo -s 输入一次密码 进入root模式，再重试。
（2）已经下载了不合意的驱动，或是上面删除大黄蜂所安装软件后，
还需要输入dpkg -l | grep -i nvidia命令来查看是否还有残余驱动，如果还有显示，则输入下面命令进行卸载：

sudo apt-get --purge remove nvidia*

（3）确认卸载完成之后，下面开始安装：
我下载的是NVIDIA-Linux-x86_64-440.82.run，最好不要下载最新的驱动，有可能有Bug。

切到命令行模式，并关闭桌面程序服务，“Ctrl+Alt+F2”，进入TTY命令行模式，Ctrl+Alt+F1可以切换回来（关闭图形显示界面后，就进不了桌面了，操作失败重启命令reboot），然后登录系统，帐号密码是你登陆系统的帐号和密码（不要用小键盘数字）。
关闭图形显示界面：

sudo systemctl stop lightdm

（4）安装驱动：
cd到驱动所在目录

chmod +x NVIDIA-Linux-x86_64-440.82.run #赋予可执行权限
sudo init 3  #切换运行级别3来运行驱动安装程序（不切换可能安装失败）
sudo ./NVIDIA-Linux-x86_64-440.82.run –no-opengl-files #安装驱动文件  –no-opengl-files：只安装驱动文件，不安装OpenGL文件

安装里的选项里，只有yes和no的选yes ，有3个选项的选择中间那个over 的，最后进度条走完那个弹窗的2个选项选No，到这一步就算安装完成了
不过不要重启还需要配置，这时候重启可能会黑屏（这里很关键）

4.配置启动脚本
新建一个display_setup.sh
sudo vim /etc/lightdm/display_setup.sh
内容如下：

#!/bin/sh
xrandr --setprovideroutputsource modesetting NVIDIA-0
xrandr --auto
xrandr --dpi 96

赋予权限：
sudo chmod +x /etc/lightdm/display_setup.sh

然后在lightdm里配置启用这个脚本
sudo vim /etc/lightdm/lightdm.conf

找到 display-setup-script这一行，去掉前面的注释，将display_setup.sh这个目录填进去

display-setup-script=/etc/lightdm/display_setup.sh

做完这些操作就可以重启了

重启后执行 nvidia-smi
如果NVIDIA的显卡并没有工作，显存一点都没占用，显示No running Processes found,还要做下面的工作。

5、设置默认Nvidia显卡工作

lspci | egrep 'VGA|3D'

执行上述命令获取nvidia显卡设备BusID，例子 01:00.0 填写PCI:1:0:0

然后编辑sudo vim /etc/X11/xorg.conf，（ /etc/X11/xorg.conf没有xorg.conf要新建一个）注意其中PCI部分填写PCI:1:0:0
编辑sudo vim ~/.xinitrc

xrandr --setprovideroutputsource modesetting NVIDIA-0
xrandr --auto
xrandr --dpi 96

重启动后，查看是否生效

二、安装CUDA和CUDNN

去官网下载适合你的CUDA，需要登录NVIDIA账号，注意要和你的驱动适配，如果要安装tensorflow2.0建议CUDA10.0或10.1。
下载CUDA
下载CuDNN
下表是NVIDIA驱动和CUDA兼容表

安装CUDA会有很多提示需要你确认，由于之前已经成功安装了显卡驱动，所以就不需要再次安装了，因此，Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 XXX.XX 这里选择 no，其余都是yes或者accept

# install cuda

chmod +x cuda_10.0.130_410.48_linux.run 
sudo ./cuda_10.0.130_410.48_linux.run --override

# bashrc 添加环境变量
echo 'export PATH=/usr/local/cuda-10.0/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

# install cudnn
tar -xzvf cudnn-10.0-linux-x64-v7.6.5.32.tgz
sudo cp -P cuda/include/cudnn.h /usr/local/cuda-10.0/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/
sudo chmod a+r /usr/local/cuda-10.0/lib64/libcudnn*    

确认是否生效，编译cuda例子执行（要确认一下gcc/g++是不是应该正确安装了，不然编译不了）

#查看gcc/g++是否安装
which gcc
which g++

以下是安装完成后结果 未完成则显示未找到

nvcc -V
cd ~/NVIDIA_CUDA-10.0_Samples/1_Utilities/deviceQuery
make
./deviceQuery

如下出现PASS代表成功

到这里就安装差不多就完成了。

三、安装tensorflow-gpu

如果需要使用多个版本的tensorflow-gpu创建虚拟环境安装。
我已经安装过Anaconda,下载速度很慢的话，换国内的源
添加conda国内镜像：
创建虚拟环境：conda create -n your_env_name python=3.7
激活虚拟环境：conda activate your_env_name
安装cuda: conda install cudatoolkit
安装cudnn: conda install cudnn
安装tensorflow-gpu,我用的是1.14版本
我安装的时候conda下载tensorflow很慢，于是用pip安装
pip install tensorflow-gpu=1.14.0
pip换阿里源
mkdir ~/.pip
vim ~/.pip/pip.conf

[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
 
[install]
trusted-host=mirrors.aliyun.com

现在打开终端输入：

>>> import tensorflow as tf
>>> tf.test.is_gpu_available()

如果结果是True，恭喜你安装成功！

参考：
《华为matebook win+deepin 15.11双系统 + 双显卡 + 使用/卸载大黄蜂方案 + NVIDIA独显驱动安装 + tensorflow-gpu-2.0》
《deepin 15.11 安装nvidia driver和cuda 10》
《深度科技论坛——如何手动安装NVIDIA驱动软件》