linux cuda 9.0安装教程,Ubuntu18.04+CUDA9.0+cuDNN7.1.3+TensorFlow1.8安装总结

以下为你介绍Ubuntu18.04操作系统下安装CUDA9.0+cuDNN7.1.3+TensorFlow1.8。

本文的起因是Ubuntu18.04发行已经有一段时间了，正好最近Tensorflow也发布了1.8版本，于是决定两个一起装上，以下是安装总结，大致可以分为5个步骤：

1.确认当前软件和硬件环境、版本

2.更新显卡驱动，软件版本准备

3.CUDA 9.0 ToolKit安装

4.cuDNN7.1.3 for CUDA9.0安装

5.TensorFlow GPU 安装

6.Test it!

1.确认硬件软件环境、版本

系统版本是Ubuntu18.04，使用指令sudo lsb_release -a，得到以下输出结果：

No LSB modules are available.

Distributor ID:Ubuntu

Description:Ubuntu

Codename:bionic

GCC和G++ 版本，18.04的ubuntu默认的是7.0，同时也有附带安装6.0，不过我们这次安装需要更低版本的GCC以及G++

gcc --version  查看GCC版本号 gcc (Ubuntu 7.0 -4ubuntu8) 7.0

g++ --version  查看G++版本号 g++ (Ubuntu 7.0-4ubuntu8) 7.0

我选择采用的是4.8版本gcc和g++，后面给出降级方法。

英伟达显卡驱动版本，使用nvidia-smi 可以得到相关信息，我使用的是GTX970显卡，驱动已经更新到390.48版本。

Python 版本，python2 –version 和 python3 –version，应该对应2.7+ 和 3.6+版本了都，默认较新版本，可以忽略。

2.更新显卡驱动，软件版本准备

主要是更新显卡驱动，以及降级默认GCC/G++版本.

如果是已经装过NVIDIA显卡驱动，通过以下指令升级

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt update sudo

apt install nvidia-390

如果有NVIDIA显卡，但是没有安装过显卡相应驱动，CUDA Toolkit中会有集成的384版本驱动，需要关闭图形界面到指令行界面安装，相关方法请上网查找。

GCC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

$ls -l gcc*

会显示以下结果

lrwxrwxrwx 1 root root 7th May 16 18:16 /usr/bin/gcc -> gcc-7.0

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++*

lrwxrwxrwx 1 root root 7th May 15:17 g++ -> g++-7.0

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 48.8安装成功。

3.CUDA ToolKit 安装

CUDA 到CUDA9.0 下载页面下载runfile(最近NVIDIA官网被停)安装，Tensorflow官网给的暂时还是9.0版本,新版本可以尝试一下.稳妥起见，这里选择9.0。

下载9.0安装包和2个补丁包之后

～/Downloads 文件夹应该有以下三个文件

ls |grep cuda_9.0

cuda_9.0.176.1_linux.run

cuda_9.0.176.2_linux.run

cuda_9.0.176_384.81_linux.run

在确认GCC版本在4.8后，直接输入以下指令

sh cuda_9.0.176_384.81_linux.run --override

执行，如果有安装了显卡驱动的，注意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。如果没有安装显卡驱动，需要退出图形界面，到命令行终端安装，这里不再赘述。

安装完成后，可能会得到提示，CUDA 安装不完整，这是因为显卡驱动没有安装，这里忽略掉。同样的方法安装两个补丁包.

sh cuda_9.0.176.1_linux.run

sh cuda_9.0.176.2_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-9.0/bin${PATH:+:$PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

4.cuDNN7.1.3安装

cuDNN 到 cuDNN 官网页面下载即可，这里注意要选择对应CUDA9.0的软件包，下载完毕后，切到默认的Downloads文件夹，可以看到 cudnn-9.0-linux-x64-v7.1.tgz 压缩包

先解压，后复制到CUDA安装文件夹里面。

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

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

完成后，可以到～/NVIDIA_CUDA-9.0_Samples/文件夹下测试CUDA功能完整性。这里参照CUDA Getting Start测试即可。一般都会在结果输出Test pass 字段。

5.Tensorflow 安装

这里选择的是在本机上安装Tensorflow，其他安装方式可以参照官网介绍。

pip install tensorflow-gpu

默认安装最新版本1.8，如果要安装教老版本，上述指令后面加上==$版本号即可。

6.验证测试

在python3 中输入以下代码：

>>> import tensorflow as tf

>>> hello = tf.constant('hello tensorflow')

>>>with tf.Session() as sesh:

...  sesh.run(hello)

输出结果应该是hello tensorflow，并且附带上GPU相关信息。

至此安装过程全部完成。

相关主题