1660ti显卡、ubuntu16.04中安装显卡驱动，cuda, cudnn

环境说明

项目	版本
linux	ubuntu16.04
gpu	NVIDIA 1660ti
cpu	Intel i5-9400F
显卡驱动	430.64
cuda	9.0
cudnn	cudnn-9.0-**-v7
tensorflow-gpu	1.8.*

Ubuntu安装

台式256G固态硬盘，265G机械硬盘。windows系统装在固态硬盘上，剩余100G固态空间。具体磁盘分配为：

具体分区	大小	类型	位置
/boot	200M	逻辑分区	固态硬盘
efi	100M	主分区	固态硬盘
swap	4000M	逻辑分区	固态硬盘
/	剩余	逻辑分区	固态硬盘
home	265G	逻辑分区	机械硬盘

台式机装Ubuntu rufus刻录选择的方式是gpt,笔记本选择mbr

显卡驱动安装

第一次装的显卡驱动是418的驱动，参考这个博文418显卡驱动，后来cuda出现问题更新到最新的显卡驱动，当前的显卡驱动是430.64。查询自己显卡对应的驱动及下载地址，我的1660ti官方推荐的显卡驱动见下图

紧着着参考Azie装显卡驱动在ubuntu中装显卡驱动
装完驱动，输入nvidia-smi可以出现显卡的信息就说明装成功啦!
NVIDIA下载驱动的链接

主要代码

提前下载好显卡的驱动文件
检测内核文件

sudo apt-get install linux-headers-$(uname -r)

禁止第三方启动

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

最后加上两行内容

blacklist nouveau
options nouveau modeset=0

更新内核

sudo update-initramfs -u

重启（reboot）
检查是否成功

lsmod | grep nouvea

如果没有输出，则表示成功
接着进入终端（Ctrl+Alt+F2）,登录然后，安装驱动
注意安装的时候有一个x-config选项选择no

sudo service lightdm stop
sudo bash NVIDIA-Linux-x86_64-xxx.xx.run -no-opengl-files  #进入自己下载的驱动目录.xconfig 选择no,参考官网提示
sudo service lightdm start

nvidia-smi查看安装是否成功

cuda9.0安装

由于自己的程序是要求较低版本的tensorflow，而cuda10.0是针对tensorflow13.0以及之后的版本，故安装cuda9.0
cuda的安装方式有很多，官网提供的方式，包括runfile，deb(local), deb(network),自己几种方式都尝试，没有一种成功，可能某些操作没有注意到，cuda9.0官网下载。自己采用的方式是：
在官方上复制下载链接，采用迅雷下载。copy到Linux安装，结果安装失败。采用google浏览器下载后安装，也是安装失败，提示安装包损坏？安装完成就是不会出现样例。之后安装了一个9.2版本的，样例测试通过，tf导入不进去。，提示找不到cuda.so.9.0找不到。最后很无奈，将ubuntu的源切换回去（下载采用的是中科大的源），按照官网的提示安装，速度巨慢，以下这个表

之前未注意到后面的Purpose，直接sudo apt-get install cuda-9-0,同时将显卡驱动安装成了384，安装完cuda，自己将显卡驱动又切换会430（老是担心显卡驱动有问题），所以这里可以直接根据后者的提示sudo apt-get install cuda-toolkit-9-0,不在安装显卡驱动。安装完成后，注意要在/.bashrc中添加
export CUDA_HOME=/usr/local/cuda 否则tensorflow找不到cuda的安装位置,同样回报错

小结：

1. 先自己装显卡驱动
2. 推荐按照官网提示安装cuda（而不是自己下载包安装），选择不按照驱动的指令sudo apt-get install cuda-toolkit-9-0.cuda9.0官方安装文档
3. 安装的时候切换Ubuntu的源，慢也忍者吧，采用其他源提示安装包损坏
4. 安装cuda结束添加export CUDA_HOME=/usr/local/cuda至/.bashrc
5. 以上只是个人经验，仅供参考，不喜轻喷

cudnn安装

根据豆角二的帖子，cudnn安装较低版本的，开始我和他选择一样的版本，后来选择了更低的版本cudnn-9.0-linux-x64-v7.tfz，cudnn下载地址删除之前的cudnn需要将移除cuda/include/cudnn.h /usr/local/cuda/include/ cuda/lib64/libcudnn* ，然后再一次解压该文件，拷贝相关文件.
安装完这一切，应该是差不多了。conda中创建一个新的环境，导入tensorflow目测没问题。

后续1

非常开心的测试了一个程序，结果还是提示错误，出现了这个错误failed call to cuInit: CUDA_ERROR_UNKNOWN。
参考链接
sudo apt-get install nvidia-modprobe.
重启完成，这个问题解决

载入数据报告错误，具体错误为Failed to get convolution algorithm. This is probably because cuDNN failed to initialize
具体原因是tensorflow具体版本过高，后来通过

pip install tensorflow-gpu==

查询具体可以安装的tf版本，安装1.8即可。

然后测试，就没有问题～

小结：

1. cudnn版本不对应，有可能可以导入tf成功，但是却不能使用gpu加速，所以选择正确的cudnn版本也很重要
2. sudo apt-get install nvidia-modprobe解决failed call to cuInit: CUDA_ERROR_UNKNOWN
3. 降低tf的版本解决“Failed to get convolution algorithm…”错误。通过**pip install tensorflow-gpu==**查询当前可以安装的tf版本

后续2

gpu温度过高，而风扇却只有50%，经过一下步骤将风扇更改为手动
nvidia-settings -a "[gpu:0]/GPUFanControlState=1"

启动手动调转速

sudo  gedit /etc/X11/xorg.conf

调节Option选项

Section "Device"
	Identifier "Device0"
	Driver "nvidia"
	VendorName "NVIDIA Corporation"
	BoardName "GeForce GTX 570"
	Option "NoLogo" "True"
	Option "Coolbits" "4"
EndSection

重启，打开nvidia-settings,观察thermal Settings中有无Enable GPU Fan Settings，选择对应的速度Apply

【参考文档】
安装显卡驱动、cuda、cudnn
ubutn 1660各版本
英伟达显卡驱动查询及下载
cuda下载地址
cudnn下载地址(需要注册)
cuda9.0官方安装文档
cuda10.0官方安装文档
支持加速的gpu以及各gpu算力
failed call to cuInit: CUDA_ERROR_UNKNOWN解决方案
gpu风扇自定义转速1
gpu风扇自定义转速2