ubuntu18.04安装后的登陆问题、卡顿问题及基本环境配置

ubuntu18.04安装后的登陆问题、卡顿问题及基本环境配置

---

---

---

1. ubuntu18.04循环登录、卡在开机界面、无法进入图像界面

ubuntu18.04安装好之后无法登录进入，总是循环出现登录界面，此时应该选Ubuntu on Wayland即可以登录进入，进入之后安装显卡驱动。

重新安装显卡驱动便可解决重复登录无法进入问题。

2. 安装显卡驱动

1. 去官网查询并下载对应的.run文件。首先查询自己的显卡型号，在终端输入：lspci | grep -i vga，我的是 gtx1080Ti ，下载的是 NVIDIA-Linux-x86_64-455.45.01.run。

2. 使用以下指令卸载旧驱动：

   sudo apt-get purge nvidia* 
   

3. 禁用自带的nouveau驱动：使用指令：sudo gedit /etc/modprobe.d/blacklist-nouveau.conf 在弹出的文件最后添加下列两个语句：

   blacklist nouveau
   options nouveau modeset=0
   

   但是可能会出现下图提示，不能编辑blacklist-nouveau.conf文档，这是由于当使用su 到另外一个用户运行某个程序，而这个程序又要有图形显示的时候，就有可能出现提示：

   root@dt:~# sudo -i -u keji google-chrome
   No protocol specified
   
   (google-chrome:5146): Gtk-WARNING **: cannot open display: :0.0
   

   如下图中的提示：

   

   此时执行以下命令就可以进行编辑:

   xhost +
   

   通过执行这条命令，就授予了其它用户访问当前屏幕的权限，于是就可以以另外的用户运行需要运行的程序了。

   然后再使用指令：sudo gedit /etc/modprobe.d/blacklist-nouveau.conf 在弹出的文件最后添加下列两个语句：

   blacklist nouveau
   options nouveau modeset=0
   

4. 终端执行命令：sudo update-initramfs -u ，然后重启，打开终端输入命令：lsmod | grep nouveau 屏幕没有输出表示禁用成功。

5. 禁用X-Window服务。执行命令：sudo service lightdm stop 。然后cd到NVIDIA-Linux-x86_64-455.45.01.run存放的路径，NVIDIA-Linux-x86_64-455.45.01.run文件存在 “Downloads” 文件夹中。

   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，再执行：sudo service lightdm stop

6. 修改 NVIDIA-Linux-x86_64-455.45.01.run 文件权限。执行命令 chmod a+x NVIDIA-Linux-x86_64-455.45.01.run

7. 安装。执行命令 sudo ./NVIDIA-Linux-x86_64-455.45.01.run –no-opengl-files

   若在安装过程中出现错误：ERROR：Unable to find the development tool ‘cc’ in your path; please make sure that you have the package ‘gcc’ installed. If gcc is installed on your system, then please check that ‘cc’ is in your PATH. 如图所示：

   

   则执行命令：

   sudo apt-get update
   sudo apt-get install gcc
   

   重新执行安装命令sudo ./NVIDIA-Linux-x86_64-455.45.01.run –no-opengl-files

   若出现错误：ERROR：Unable to find the development tool ‘make’ in your path; please make sure that you have the package ‘make’ installed. If make is installed on your system, then please check that ‘make’ is in your PATH. 如图所示：

   

   则执行命令：

   sudo apt-get update
   sudo apt-get install ubuntu-make
   sudo apt-get install make
   

   重新执行安装命令sudo ./NVIDIA-Linux-x86_64-455.45.01.run –no-opengl-files，此时正常安装。

   在安装驱动的时候，有一步问你”Would you like to run the nvidia-xconfig utility to automatically update your X configuration file…”什么的，选择 No。整个安装过程就是全都enter下去

8. 测试：在终端执行命令：nvidia-smi 若出现GPU的信息列表，表示驱动安装成功。

9. 重启电脑，如下图所示，选择Ubuntu（默认）即可以正常进入。

   

   

---

3. 确定tensorflow-gpu版本与CUDA和cuDNN版本对应关系

根据以下文档中确认需要安装的版本对应关系

---

4. Ubuntu卸载原有的cuda和cudnn

卸载CUDA很简单，一条命令就可以了，主要执行的是CUDA自带的卸载脚本，读者要根据自己的cuda版本找到卸载脚本：

sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl

如果CUDA10.1的版本，里面没有uninstall_cuda_8.0.pl的命令，卸载应使用命令（具体看相关版本中的卸载文件名称）：

sudo /usr/local/cuda-10.1/bin/cuda-uninstaller

卸载之后，还有一些残留的文件夹，之前安装的是CUDA 8.0。可以一并删除：

sudo rm -rf /usr/local/cuda-8.0/

这样就算卸载完了CUDA。

---

5. 安装CUDA9.0

1. 下载安装文件。首先去英伟达官网下载CUDA安装包：https://developer.nvidia.com/cuda-toolkit-archive
   

   按照系统配置选择安装包，据说用deb文件安装容易出错，所以直接下载runfile（后缀为.run）文件来安装，例如我想安装cuda9.0，且我的操作系统为Ubuntu16.04，所以我按照下图选择安装包：

   

2. 安装cuda

   sudo sh cuda_9.0.176_384.81_linux.run
   

   然后一直按回车键，直到服务条款显示到100%。接着按下面的步骤选择：

   accept
   n（不要安装driver）
   y
   y
   y

   安装完成后，设置环境变量。
   若安装过程中出现：Missing recommended library: libGLU.so; Missing recommended library:libX 等Missing字样，则参考链接https://blog.csdn.net/qjk19940101/article/details/78927109执行命令：

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

   再次安装即可：

   sudo sh cuda_9.0.176_384.81_linux.run
   

3. 设置环境变量打开主目录下的 .bashrc文件添加如下路径：

   gedit ~/.bashrc    #打开.bashrc文件
   

   #添加路径
   export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
   export PATH=$PATH:/usr/local/cuda/bin
   export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
   

   终端运行：

   source ~/.bashrc #更新前边所做的环境配置
   

   检查：执行命令：nvcc --version，如果显示下面的文字就说明安装成功了

   

---

6. cudnn的安装

1. 按要求下载cudnn的安装文件：https://developer.nvidia.com/rdp/cudnn-archive
   

2. 安装cudnn
   解压下载的文件，可以看到cuda文件夹，在当前目录打开终端，执行如下命令：

   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
   sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
   

3. 查看cudnn版本
   在终端输入：

   cat /usr/local/cuda-9.0/include/cudnn.h | grep CUDNN_MAJOR -A 2
   

   如果出现下图所示版本信息，说明安装成功(实际上10.0以上应该这个命令没什么用，也就是成功也不显示）。
   

---

7. 安装anaconda3

Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。

1. 去清华大学软件镜像站下载anaconda3的安装包。https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载好后应该在~/Downloads/文件夹，我下载的版本是：Anaconda3-2020.07-Linux-x86_64.sh。

2. 然后安装anaconda

   bash ~/Downloads/Anaconda3-2020.07-Linux-x86_64.sh
   

   anaconda会自动将环境变量添加到PATH里面，如果后面你发现输出conda提示没有该命令，那么你需要执行命令source ~/.bashrc 更新环境变量，就可以正常使用了。 如果发现这样还是没用，那么需要添加环境变量。 编辑~/.bashrc 文件，在最后面加上 :

   export PATH=/home/song/anaconda3/bin:$PATH
   

   退出后执行source ~/.bashrc命令刷新环境配置，执行初始化命令conda init，再次输入conda list，应该就没问题，就会显示下面一系列东西：

   

3. 添加anaconda国内镜像配置
   清华tuna提供了anaconda仓库的镜像，anaconda可以从这些镜像中下载东西，用运行以下命令添加配置：

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

8. 使用anaconda安装tensorflow

1. 创建tensorflow环境，环境名字可自己确定，这里本人使用tf作为环境名:

   conda create -n tf python=2.7
   

2. 安装成功后激活tf环境：

   source activate tf
   

3. 在所创建的tf环境下安装tensorflow的gpu版本，执行命令：

   conda install tensorflow-gpu=1.12.0 或者 pip install tensorflow-gpu==1.12.0
   

   若是安装pytorch，则进入pytorch官网查看相关命令：https://pytorch.org/get-started/previous-versions/

4. 使用gedit ~/.bashrc命令进入_{/.bashrc文件，并且编辑}/.bashrc文件，设置使用tf环境下的python2.7如下：

   alias python='/home/song/anaconda3/envs/tf/bin/python2.7'
   

   

5. 保存后退出执行：source ~/.bashrc更新环境配置，该命令将自动回到base环境，再执行source activate tf到tf环境。

6. 检查tensorflow是否可用。在tf环境下输入python可以看到python版本为2.7，在python下导入tensorflowimport tensorflow as tf，查看tensorflow版本:tf.__version__，检查gpu是否可用:tf.test.is_gpu_available()，若显示True，则gpu可用。整个操作过程如下图：

---