真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择（亲测非常实用）

转载自：https://blog.csdn.net/u010801439/article/details/80483036

非常感谢原作写的这篇博文，自己根据步骤已经实现了。现转载此博文仅是为了保存以防日后重装之用！

 

 

ubuntu 18.04 安装GPU +CUDA+cuDNN ：

目前，大多情况下，能搜到的基本上都ubuntu 14.04.或者是ubuntu 16.04的操作系统安装以及GPU 环境搭建过程，博主就目前自身实验室环境进行分析，总结一下安装过程。

1.实验室硬件配置（就需要而言）：

        gpu : GeForce titan xp   12G 显存

        内存： 64G

        硬盘 ：512 SDD +2T 机械 

        主板： 微星 x299 SLI PLUS 

    就配置而言，唯一有遗憾的就是主板，微星主板安装ubuntu 各种报小毛病，打电话给微星客服，客服说，这块主板供应商只在window 10 环境下进行过测试，但是，LINUX 系统，不知道行不行得通，让我自己想办法解决，-_-|| 。 此处还是建议要采购设备的主板选择技嘉或者华硕的，注意看主板是否支持安装linux操作系统。

2 .ubuntu18.04 系统安装

首先，建议制作U盘启动盘（点击此处）进行安装，安装时需要设定主板 grub+legacy方式（重启进bios，boot项里面的），博主在安装系统时，尝试安装了各种版本的ubuntu系统，包括14.01、14.03、16.01、16.03、16.04，均未成功，所有的问题，都是，系统安装到一半，直接就报错，无法安装，在网上查找了许久，据说是显卡的问题导致的，有相关文档说，18.04版本可以避免这个问题。于是，尝试安装ubuntu18.04版本，OK ，按照大神推荐的双硬盘分配方案（点击此处）进行安装配置。安装成功。

大家在安装好系统后，要记得更新源。

3.安装GPU（针对ubuntu18.04）

进入系统后，系统默认是使用主板上的集成显卡，那么，我们需要做的事就是安装上自己的独立显卡，也就是titan xp的驱动，网上有3中安装方法，给大家推荐一下，可以收藏一下如何安装NVIDIA显卡（点击此处）。

此处给大家示范其中一个方法（自己的显卡对应自己的信息，以下只是示例）：

具备条件：root权限进行操作

修改root密码：

1.  $ sudo passwd    输入两次新密码

2.  $ su root       登陆 root账户

显卡驱动安装：

step .1：首先，检测你的NVIDIA图形卡和推荐的驱动程序的模型。执行命令：

$ ubuntu-drivers devices

输出结果为：

== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001180sv00001458sd0000353Cbc03sc00i00
vendor   : NVIDIA Corporation
model    : GK104 [GeForce GTX 680]
driver   : nvidia-304 - distro non-free
driver   : nvidia-340 - distro non-free
driver   : nvidia-384 - distro non-free recommended
driver   : xserver-xorg-video-nouveau - distro free builtin

== cpu-microcode.py ==
driver   : intel-microcode - distro free

从中可以看到，这里有一个设备是GTX 680 ，对应的驱动是NVIDIA -304,340,384 ，而推荐是安装384版本的驱动。

step.2，安装驱动

你可以选择，安装所有推荐的驱动，如下命令

$ sudo ubuntu-drivers autoinstall

你也可以选择，只安装其中一个驱动，命令如下

$ sudo apt install nvidia-340

OK 驱动安装完成，重新启动，查看系统配置---》详细信息---》关于   ，图形处理是否对应于自己的独立显卡。
 

4.安装CUDA（针对18.04）

安装CUDA 这里需要注意;

咱们需要根据cuDNN 来选择，如图，首先，cuda只能支持17.04,16.04的ubuntu 下载安装，但，实际上，有点类似于word一样（高版本word能打开低版本的word文件 .）18.04版本的系统，能够安装16.04版本对应的CUDA。

目前cuda 最高版本为9.2，且只支持 16.04,17.04 这两个系统，而且，我们安装完CUDA 之后还需要安装cuDNN。

那么cuDNN 的版本又有什么选择呢，如下

首先，根据cuDNN 的版本，目前，较为完善的，是cuDNN v7.0.5 ,其适用于 CUDA 9.1 版本，所以，咱们在选择安装cuda的时候，选择 CUDA 9.1。下载地址

按下图进行选择

对应的有一下四个文件，需要统统下载，第一个是主文件，后3个相当于补丁。

开始安装：

step .1  GCC 降级

由于CUDA 9.0仅支持GCC 6.0及以下版本，而Ubuntu 18.04预装GCC版本为7.3，

故手动进行降级：

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

装完后进入到/usr/bin目录下

[delphi] view plain copy

1. $ls -l gcc*   

会显示以下结果

[delphi] view plain copy

1. lrwxrwxrwx 1 root root 7th May 16 18:16 /usr/bin/gcc -> gcc-7.3  

发现gcc链接到gcc-7.0, 需要将它改为链接到gcc-4.8，方法如下:

sudo mv gcc gcc.bak #备份
sudo ln -s gcc-4.8 gcc #重新链接

同理，对g++也做同样的修改：

ls -l g++*

[delphi] view plain copy

1. lrwxrwxrwx 1 root root 7th May 15:17 g++ -> g++-7.3  

需要将g++链接改为g++-4.8:

sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++

再查看gcc和g++版本号：

gcc -v g++ -v

均显示gcc version 4.8 ，说明gcc 4.8安装成功。

step. 2 安装cuda ,及其补丁

 

 

在我们安装runfile之前，我们需要安装一些依赖关系，否则你会得到“Missing recommended libary”这样的警告。

Libray警告

安装像这样的依赖关系。

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

 

输入命令安装Base Installer：

[delphi] view plain copy

1. sudo sh cuda_9.1.85_387.26_linux.run  

需要注意的是，之前已经安装过显卡驱动程序，故在提问是否安装显卡驱动时选择no,其他 选择默认路径或者yes即可。

然后，继续执行以下操作安装3个 patch ：

1. sudo sh cuda_9.1.85.1_linux.run
2. sudo sh cuda_9.1.85.2_linux.run 
3. sudo sh cuda_9.1.85.3_linux.run  

安装完毕之后，将以下两条加入.barshrc文件中.

sudo vim ~/.barshrc

export PATH=/usr/local/cuda-9.1/bin${PATH:+:${PATH}}      #注意，根据自己的版本，修改cuda-9.2/9.0...
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} #注意，根据自己的版本，修改cuda-9.2/9.0...

 

OK ,那么，到这一步，cuda 就安装完成了

 

 

 

验证cuda-9.1安装

cd NVIDIA_CUDA-9.1_Samples/5_Simulations/fluidsGL
make clean && make
./fluidsGL

如果cuda-9.1正确安装，在我们的制作过程中应该没有错误信息。然后我们可以得到流体模拟。

流体模拟示例

我们的cuda-9.1已成功安装！在我们继续之前， 我们可以测试一下其他的sample。

 

 

 

5.安装cuDNN（针对18.04）

cuDNN 的安装，就是将 cuDNN 包内的文件，拷贝到cuda文件夹中即可。

step.1按照第四点分析的内容，我们需要下载的cuDNN 版本为

cuDNN v7.0.0 library for liunx，下载地址（需要注册才能进行下载）

下载完毕后，切到默认的Downloads文件夹，可以看到 cudnn-9.1-linux-x64-v7.tgz 压缩包

先解压，然后将其中的内容复制到CUDA安装文件夹里面.

step.2 复制cuDNN内容到cuda相关文件夹内

sudo cp cuda/include/cudnn.h    /usr/local/cuda/include      注意，解压后的文件夹名称为cuda ,将对应文件复制到 /usr/local中的cuda内
sudo cp cuda/lib64/libcudnn*    /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h   /usr/local/cuda/lib64/libcudnn*

到此处，所以的安装就完成。

 

接下来就可以安装相应的软件，如：anaconda,pycharm tensorflow 等。。。

 

 

 

安装Tensorlfow

我们将使用virualenv安装。 首先安装libcupti-dev库。

sudo apt-get install libcupti-dev
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

然后我们将安装virtualenv并创建一个Tensorflow Environment。

sudo apt-get install python3-pip python3-dev python-virtualenv
virtualenv --system-site-packages -p python3 tensorflow # create a enviroment named tensorflow

这需要一段时间，请耐心等待。

安装Tensorflow CPU版本

当环境创建好了，我们必须在每次使用tensorflow时激活它。首先按照推荐安装tensorflow cpu version。

source ~/tensorflow/bin/activate
pip3 install --upgrade tensorflow  # install the cpu version

验证Tensorflow CPU版本

在同一个环境中，这意味着你会在你的shell中看到它。

(tensorflow)$

键入python和下面的python代码。

python

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

这是我的结果。虽然它与官方验证结果不同，但是应该没问题。

>>> print(sess.run(hello))
b'Hello, TensorFlow!'
>>> 

###安装Tensorflow GPU版本 首先确保我们处于同一环境中。

pip3 install --upgrade tensorflow-gpu

但是,下载whl文件的网速较慢。所以我们可以用自己的“方法”到浏览器中的whl文件和本地pip3安装。

验证Tensorflow GPU版本

仍然确保你在Tensorflow Enviroment。

键入python和下面的python代码。

python

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

结果是一样的。但是我们可以看到我们的GPU设备正在工作。您可以在下面的测试结果中看到我的GTX 1050 Ti。

Tensorflow GPU 验证安装

我们在Ubuntu 18.04上成功安装了Tensorflow。 您可以在Tensorflow网站上测试更多的模型，git克隆模型库非常缓慢。因此，我们也可以用“自己的方法”在浏览器中下载张量流模型库。 This my fisrt example.

Tensorflow 鸢尾花进行分类

---

##安装Pytorch 我们将使用由pytorch推荐的软件包管理器Anaconda来安装它。 ###安装Anaconda 我在合肥,所以我选择科大镜像来下载anaconda安装的.sh文件。 在我们安装了Anaconda之后。我们必须改变“Anaconda3”的拥有者，否则我们不能将文件写入此目录。 我们检查我们的用户名和用户组。

groups

第一组通常是你现在的组。 这是我的结果。

我的用户组

由于我的用户组是bryan，我的用户名也是bryan。所以我会将下面的命令改为“chown -R bryan：brayn anaconda3”。“-R”的意思是迭代，这个参数将改变整个anacodna3文件的所有者。

chown -R YOUR_GROUp:YOUR_USER_name anaconda3

更改Anaconda频道

在安装pytorch之前，我们可以设置Anaconda镜像源以减少等待时间。同样，我的镜像源是科大镜像。

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

###安装Pytorch 然后我们可以去pytorch网站。选择linux，python版本为3.6，cuda版本为9.0。请不要执行这个命令。 后一个pytorch意味着我们将从它的官方网站下载pytorch，这对我来说非常缓慢。因此，将最后一个pytorch替换为适合您的镜像源。

conda install pytorch torchvision cuda91 -c https://mirrors.ustc.edu.cn/anaconda/cloud/pytorch/

验证Pytorch

您可以尝试pytoch webstie上的示例。这是我的结果。

pytorch 导入数据