深度学习GPU加速环境配置：Ubuntu16.04+RTX 2080（440）+CUDA10.0+cudnn7.3+Ananconda3+Tensorflow1.13

安装前的准备

首先要明白自己的需求，自己需要跑的代码是tensorflow的什么版本的，因为不同的tensorflow版本需要不同版本的python3支持，需要不同的cuda，配套的cudnn和显卡驱动也不同。

所以首先确定tensorflow版本，然后根据tensorflow版本来确定cuda版本，由cuda版本确定显卡驱动版本和cudnn版本（严格来讲，cuda和显卡驱动不是一一对应的，最新的显卡驱动很多时候是可以向下兼容cuda的，但是不总成立，比如最新的450的驱动标配cuda版本是11.0,就不向下兼容，安装cuda10就不识别。cudnn和cuda也不是一一对应的）。从下表中可见我要想装tensorflow-gpu为1.13版，那么选择的CUDA版本就是CUDA10.0版。

从CUDA版本和驱动的对应表汇中选择合适的显卡驱动，CUDA10.0要求显卡驱动版本大于410.48。

NVIDIA历史版本驱动下载链接
进入链接后选择自己计算机对应的选项，搜索过后，选择版本大于410.48的驱动版本进行下载：Linux x64 (AMD64/EM64T) Display Driver，版本440.10，这个版本初始对应CUDA版就是CUDA10的，点进进行下载（.run格式）。

根据CUDA版本选择对应的cudnn。cuda与cudnn关系查看及cudnn下载。点进链接后，发现对应CUDA10的cudnn版本由cudnn7.6.5，cudnn7.6.3，等等，很多个版本，本文选择cudnn7.3。

至此我们已经确定了要安装各个软件的版本了，分别是Tenserflow_gpu-1.13.0，CUDA10.0，440.10版本的显卡驱动，cudnn7.3。

cudnn的下载需要先注册登录NVIDIA的账号，需要下载4个文件，按从上到下的顺序分别是1个cudnn的安装文件和cudnn的3个测试文件（点击查看大图），文件类型分别是1个.tgz，3个.deb。

CUDA各个版本官方下载链接，在点击对应链接进入下载界面后，根据自身计算机设置进行选项选择，最后的installer Type随便选，那个能下下那个，最下面是安装步骤。

到这里，我们已经下载好显卡驱动（440.10版）、CUDA安装软件（10.0版）和cudnn相关组件（7.3版），下载的默认路径是home/usr_name/Downloads(下载)，usr_name是账户名字。

使用权限命令给3个安装包添加运行权限，不添加的话运行时会产生无权限的报错。filename是被添加权限的运行文件的名字（墙裂建议下载好安装包后把安装包重命名一下，以简化安装时候敲进去的字符数量，例如可把CUDA的安装包重命名为cuda10.run，驱动安装包改为NVIDIA440.run，cudnn安装包改为cudnn7.3.tgz）。

sudo chmod +x filename

filename是安装包的全称。

下面开始安装。

Linux所需命令简介

为了安装的顺利进行，这里简要介绍下本文中所涉及的主要ubuntu命令，大多与文件操作有关。

• 获取管理员权限（需要管理员密码）：sudo，添加到待执行代码前面，并用空格做间隔，例如sudo apt-get install python3==3.6意思就是以管理员权限安装3.6版本的python3。

• 展示当前文件夹中所有条目：ls，输入后终端中列出当前文件夹所有文件名字，并根据格式不同给予不同颜色标注。如蓝色是文件夹，绿色是可执行文件。

• 前往某个文件夹：cd，例如前往当前文件夹下的子文件夹Downloads的代码为：cd Downloads
  或者前往某个绝对路径：cd /home/qt/Downloads
  或者前往上级目录：cd ..

• 展示当前文件夹中所有文件的权限：ll
  红框中是我们关心的管理员拥有的文件权限，d是文件列表权限（只有文件夹才有这个权限），r是读取权限，w是写入权限，x是执行权限。Linux里下载的文件都默认没有执行权限x。权限可以添加和删除，来保护文件不被损坏。

• 添加权限：chmod，例如chmod +x cuda10.run，就是给文件cuda10.run添加运行权限，可以看到第一个红框中，没有选权限x，文件颜色为白色。chmod +x cuda10.run添加运行权限后，第二个红框中有了权限x，使得文件可以被执行，文件颜色也变成了绿色。加号+替换为减号-就是删除权限，cuda.run换成其他文件名字就可以给其他文件增删权限。

• 删除：rm，删除一个文件/文件夹就在那个文件夹下的终端中输入rm -rf filename（注意，此删除恢复及其困难，谨慎使用。若一不小心删除了重要文件想恢复，请不要在磁盘上写入任何文件，否则文件永远丢失无法找回），filename是文件全称。

• 安装：apt-get install application_name，例如sudo apt-get install python3==3.6意思就是以管理员权限安装3.6版本的python3。

• 执行：./filename，例如在Downloads文件夹下输入命令./cuda10.run

• 注意：在输入命令后，在命令运行期间关闭终端，会导致进程池锁定，无法运行其他命令，所以请尽量等待命令运行结束显示如下对话时再关闭终端（运行软件除外），比如安装程序安装一半不想继续装了，请坚持到下个安装检查节点再退出，或者坚持到安装完毕再卸载。真锁住了，就把报错信息粘贴到百度搜索解决（删除两个文件就好了）
  

装显卡驱动（VM虚拟机安装不了NVIDIA显卡驱动）

删除原有的NVIDIA驱动并关闭系统自带驱动

在命令行输入代码来删除系统原有驱动

sudo apt-get remove --purge nvidia*

然后再禁用系统自带的驱动

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

在打开的文本最后添加两行代码

blacklist nouveau
option nouveau modeset=0

保存后退出
执行

sudo update-initramfs -u

重启系统后，执行

lsmod | grep nouveau

如果没有任何输出的化说明禁用成功。

安装显卡驱动需要关闭Ubuntu的图形显示界面

重启系统，在启动过程中按Ctrl + Alt +F1(F1~F6均可)到x-server（如果进不去，在终端输入代码sudo apt install lightdm，并在弹出框中选择lightdm，后再次尝试）, Ctrl+Alt+F7是返回，登录账号密码后，在命令行输入命令

sudo service lightdm stop 

要是提示如果提示：unit lightdm.service not loaded

则先安装LightDm：

sudo apt install lightdm

安装完毕后跳出一个界面，选择lightdm，再

sudo service lightdm stop

关闭图形界面。然后使用cd命令到NVIDIA显卡驱动程序所在文件夹，输入命令

sudo ./filename.run

来运行安装程序，一路continue就完了。安装好以后，再打开图形界面

sudo service lightdm start

然后校验驱动安装版本，在terminal中输入命令

nvidia-smi

来查看是否装上NVIDIA显卡驱动，若安装成功，则会显示版本信息，查看其版本以及其标配的CUDA版本。（图是已经全部装好的时候拍的，在X-server界面和这个差不多）

nvidia-smi里面展示的CUDA Version只是该显卡驱动版本标配CUDA版本，和系统内的实际CUDA无关。

安装CUDA10.0

在CUDA10.0安装包所在目录（通常是home下的Downloads文件夹）右键点击，选择在终端中打开（open in terminal），在终端中输入命令

sudo ./cuda10.run

稍候片刻以后时很长的安装须知之类的东西，按住Enter不动，到最下面输入accept。然后会问你一些安装的问题，需要注意的就是第一问题选n，这是问是否要安装NVIDIA显卡驱动的，我们已经安装过了，所以不再装装了。还有一个是问是否安装OpenGL的，也要选n。其他的都选y，或者按Enter过。对话类似于下图，不过下图没有关于openGL的安装对话，因为我这里已经安装完了，所以就在网上找的图

安装好以后还要添加环境变量。
在终端中输入

sudo gedit ~/.bashrc

打开.bashrc文件，在文件的最后，加入下面3行代码

#export LD_LIBRARY_PATH=$LDLIBRARY_PATH:/usr/local/cuda-10.0/lib64
#export PATH=$PATH:/usr/local/cuda-10.0/bin
#export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0

保存文件后，关闭文件

在命令行输入

source ~/.bashrc

来执行更改后的文件。

终端输入下面代码来检验CUDA是否安装成功，以及其版本

nvcc -V

如果安装成功会显示如下信息，表明安装成功。可以看到安装的CUDA版本为10.0

如果显示nvcc未安装，就先检查下环境变量是否添加上，终端输入

env

查看所有的环境变量。若环境变量添加上了，那就要把CUDA文件删除并重新安装。

CUDA安装的默认路径是

/usr/local/cuda-10.0

进入方法是点击文件的其他位置，点进去后选择Computer，就进入到根目录里了。



根据路径打开cuda-10.0的文明夹后，找到文件bin，查找其中有没有一个文件名为：uninstall_cuda_10.0.pl，这是一个卸载脚本，运行它，就能够完成cuda的卸载。

sudo /usr/local/cuda-10.0/bin/uninstall_cuda_10.0.pl

卸载完以后会残留一些空文件夹，在/usr/loca文件夹下右键打开终端，输入命令

sudo rm -rf cuda-10.0

便可完全删除已经安装的CUDA。

要是没有找到卸载脚本uninstall_cuda_10.0.pl，那就在终端中输入命令

sudo apt-get remove cuda*
sudo apt-get remove --purge cuda*
sudo apt-get update

然后再到路径/usr/loca下右键打开终端，输入

sudo rm -rf cuda-10.0

就能完全卸载已经安装的CUDA。

安装cudnn

cudnn的安装是插入式的，只要把对应的文件复制粘贴到对应CUDA的文件夹中即可，不涉及到文件替换。
卸载cudnn也很简单，把对应的cudnn的文件删除掉就好。

在home下的Downloads文件夹下找到cudnn7.3的压缩包，双击打开，提取文件到home目录下，home目录下找到目标文件夹（名字为：cuda），进入文件夹打开终端，为所有的文件夹下的文件（包括子文件夹中的文件）增加执行权限（+x）。

增加完权限以后在终端中输入下列命令，注意留意空格

sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp 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*

前两行代码分别是将文件复制到另外一个文件夹里，后面两行是添加权限。

添加完成后，查看cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

看到下图说明安装成功。

下面验证cudnn是否安装成功：
在之前下载cudnn的时候一共下载了4个带cudnn字样的文件，安装cudnn的时候只用了一个，还有三个没用的到的文件就是在这里作为验证可以使用的。

在那三个文件所在文件夹右键打开终端，给这三个文件添加权限命令

chmod +x filename1
chmod +x filename2
chmod +x filename3

然后执行这三个文件

sudo dpkg -i filename1
sudo dpkg -i filename2
sudo dpkg -i filename3

（若有报错，先检查文件名是否输入对了，然后更换安装次序，里面有个文件要最先安装，最后还没解决就百度吧）

安装好以后会在/usr/src/cudnn_samples_v7里出现有一些cudnn的例子
在这个路径下打开终端，输入代码

make clean && make
./mnistCUDNN

要是出现如下结果，说明cudnn1安装成功

可以看到测试通过。

Anacnonda3安装

首先在anaconda3网站上下载安装包，选择Linux x86的installer

注意，这个版本的Anaconda3带的是3.8版本的python3，高于我们要装的tensorflow-gpu-1.13版本的要求，要求是2.7或3.3-3.6。所以安装好Anaconda3以后还需要把python版本降到3.6。同样的也要查看gcc版本是否符合tensorflow-gpu-1.13的要求（低于4.8）。

下载好安装包以后，在Downloads文件夹右键打开终端，给安装包添加执行权限后运行。

按照提示进行安装。安装完成后在命令行输入命令来查看Anaconda环境是否安装成功

python3

注意python3的版本号是3.8.3，GCC版本号是7.3.0，以及Anaconda字样，说明已经安装成功，Anaconda3的python3版本成为系统的python环境版本。

安装Tensorflow-gpu-1.13

首先给python3和gcc降版本。
给Anaconda3添加权限

sudo chmod -R o+w anaconda3路径

然后输入命令

conda install python=3.6

根据引导完成安装（有时候因为网络不好会报错，多试几次就好了）
首先安装gcc4.8

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

然后移除以前的gcc，打开根目录下的bin文件夹，右键打开终端。

sudo rm gcc
sudo rm g++

链接新下载的gcc4.8

sudo ln -s gcc-4.8 gcc
sudo ln -s g++-4.8 g++

最后查看是否安装成功

gcc -v

显示如下信息说明安装已经成功，版本为4.8.5

最后通过pip命令安装1.13版本的tensorflow-gpu

pip3 install tensorflow-gpu==1.13

安装完成后，在终端打开python，输入下列代码，验证tensorflow和GPU是否能够正常工作

python

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

返会结果为Ture，说明一切工作顺利。
到这里整个安装过程就结束了，感谢实验室师兄给予的支持和信任。