Ubuntu18.04配置深度学习环境——安装cuda和cudnn流程

前言

之前自己没有完整走过深度学习环境配置的流程，总觉得流程很麻烦，很烦人，后来经过几次的折腾，发现其实也没有那么吓人，基本上一遍就过。

因此特意记录下自己的配置流程，相信你按照我的流程，也能非常顺利的配置好cuda和cudnn，开始你的深度学习之旅！

依赖安装

Ubuntu18.04默认安装了gcc v7，而cuda-9.0依赖gcc v6，通过下面命令安装：

sudo apt-get install gcc-6 g++-6

1、安装英伟达显卡驱动

方法一：直接在软件和更新中安装（推荐）

我就是用这种方法直接安装的，简单有效，亲测可用。
打开【软件和更新】，选择【附加驱动】，然后选择想要使用的驱动版本，然后点击【应用更改】，重启电脑后即可。

方法二：终端安装

打开终端，输入以下命令进行安装：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt install nvidia-driver-396
sudo reboot now

两种方法安装完成之后，在终端输入:nvidia-smi，如果安装正常的话，会出现类似下面的界面：

2、安装cuda9.0

首先需要下载cuda：
下载链接：cuda下载网站
有两种下载格式文件可选:runfile或deb，安装方法不一样。
我选择的是runfile安装包，此处需要注意，我安装的时候英伟达还没有出针对Ubuntu18.04的cuda，只有Ubuntu17.04的版本，但是亲测在Ubuntu18.04上也可以用，所以下载Ubuntu17.04的版本即可：

runfile安装：

chmod +x cuda_9.0.176_384.81_linux-run
sudo ./cuda_9.0.176_384.81_linux-run --override

注意上面的--override选项必须要加上，这样才能使用gcc v6版本进行编译安装。
安装过程中会在终端打印很多内容，按空格实现往下滚动，然后按提示输入内容，其中比较重要的几个选项选择如下：

其他选择可以根据提示选择y或者n，一般好像都是y。
deb安装：
deb格式的安装包，安装就更加方便了，可以使用命令：

sudo dpkg -i <cuda-***.deb>

进行安装。
cuda环境配置：
安装完cuda之后，需要修改~/.bashrc文件来配置cuda环境，打开~/.bashrc文件：

gedit ~/.bashrc

在文件最后添加如下内容：

# NVIDIA CUDA Toolkit
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64

保存后，终端输入：

source ~/.bashrc

这样就完整安装和配置好cuda了。
测试：
在终端输入：nvcc -V，一切正常的话会打印如下内容：

$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176

恭喜你，cuda安装成功，接下来进行cudnn安装。

3、安装cudnn

cudnn全程叫CUDA Deep Learning Neural Network library，是用来调用GPU资源不可缺少的库。所谓的cudnn安装，其实就是拷贝对应的头文件和库文件到安装好的cuda文件夹下即可。
下载cudnn：
下载链接
注意：cudnn下载要求先注册一个英伟达账户才能下载，现在可以微信和QQ登录了。我使用的就是QQ登录。登录之后，可能还需要完善一些信息，还要帮助英伟达填一些调查问卷。。。。。（无奈）。
好，下载过程中注意选择for CUDA9.0的cuDNN安装包即可，如下图所示为我所选择的版本：

下载之后，终端进到压缩包目录，执行：

tar -zxf cudnn-9.0-linux-x64-v7.4.1.5.tgz
cd cuda
sudo cp -P lib64/* /usr/local/cuda/lib64/
sudo cp -P include/* /usr/local/cuda/include/

上述命令含义为：解压缩（得到文件夹cuda）-》进到cuda文件夹-》复制lib64文件夹下的库到cuda/lib64目录下-》复制include文件夹下的头文件到cuda/include目录下。

至此，已经全部配置完毕，你可以开心的开始你的深度学习学习之旅了！