1. 主機配置說明
在前幾天，得知公司新採購了幾臺主機，所以我們組領導就向公司申請了一臺回來，做數據分析。
服務器買的是惠普的主機，型號是：HP EliteDesk 800 G3。不算強勁，但用來做GPU的數據分析測試，也可以了。
具體參數：
CPU：i7-7700
內存： 32G
顯卡： GTX 1070
硬盤： 256 ssd + 1T
自帶 windows 10 64位 專業版系統
搭建環境版本選擇： ubuntu18.04+CUDA9.0+cuDNN7.1.4+tensorflow1.9
2. 更換系統
由於主機自帶的是windows系統，但是我們想用 ubuntu 的系統，因此，只能先重裝一下系統了。
具體的更換系統的過程就不寫了，大家有需要的，可以參考一下這篇文章。
要注意的是，不要關閉主板的 UEFI 引導，並且，你的 Ubuntu 系統引導盤，也就是U盤，需要用USB3.0的接口。因爲，我測試的時候，用過普通 USB2.0 接口的，一直識別不了。同時，系統盤要製作成純系統盤，裏面出來系統軟件之外，不要有其他文件。
3. 安裝顯卡驅動
新安裝 ubuntu 18.04 的系統之後，先更新一下系統自帶的源，我在自己使用的 CentOS 或者 Ubuntu 等linux 系列系統的時候，都習慣更換成阿里雲的源，感覺速度和穩定都維護得比較好。
3.1 關閉系統默認的顯卡驅動
如果你安裝的是 ubuntu 帶桌面圖形界面的版本，那麼它默認的顯卡可能是nouveau，我們首先需要關閉它。具體方法：
打開禁用列表：
sudo vim /etc/modprobe.d/blacklist.conf
在後面添加：
blacklist nouveau
options nouveau modeset=0
保存退出後，更新，重啓系統：
sudo update-initramfs -u
sudo reboot重啓後，你可能會發現屏幕沒有了輸出，甚至連登錄界面也沒有了。
先別慌，如果你使用 xshell 這類終端登錄工具的話，這時你仍然能遠程連接到系統的，前提是你已經在系統開啓了 openssh-server，不過ubuntu 18 默認是沒有開啓openssh-server 的。
如果你沒有用xshell 來連接，那麼你可以按一下 ctrl + alt + F3 組合鍵，這時候，屏幕上又會切換到字符登錄界面，熟悉的輸入用戶名，密碼界面再次呈現。
這些都是因爲，我們在上一步禁止了 nouveau 驅動，但是主機的獨立顯卡驅動還沒有安裝好。
3.2 安裝nvidia 顯卡驅動
在安裝顯卡驅動前，還需要再確認一下你係統自帶的驅動有哪些：
kkt@kkt-HP:~$ sudo ubuntu-drivers devices
[sudo] password for kkt:
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001B81sv0000103Csd00006899bc03sc00i00
vendor : NVIDIA Corporation
model : GP104 [GeForce GTX 1070]
driver : nvidia-driver-396 - third-party free
driver : nvidia-driver-390 - third-party free
driver : nvidia-driver-410 - third-party free
driver : nvidia-driver-415 - third-party free recommended
driver : xserver-xorg-video-nouveau - distro free builtin
可以，看出nvidia 支持的驅動版本有396,390,410,415 幾個類型。不過這是我在添加顯卡 ppa 源之後，才顯示這麼多個的，本來只有390,396兩個版本。
怎麼添加顯卡 ppa 源：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update在添加 ppa 源的時候，可能會因爲網絡的原因，更新失敗。我們需要留意提示信息，以爲添加失敗之後，會導致某些版本根本不能安裝。
選擇你希望安裝的 nvidia 版本，我推薦安裝 nvidia-driver-396 的版本，不求它最新，因爲最新的版本，兼容性反而可能會差，甚至用不了。
安裝nvidia 驅動：
重點： 先刪除舊的 nvidia 驅動
sudo apt-get purge nvidia-*
sudo apt install nvidia-driver-396
安裝完成之後，重啓主機 ： sudo reboot
檢查 nvidia 顯卡狀況：
sudo nvidia-smi
如果你沒有檢測到nvidia顯卡的狀態，可能需要先掛載：
sudo nvidia modprobe nvidia正常來說，如果你的主機有獨立顯卡，在安裝完nvidia顯卡驅動，重啓就能在屏幕輸出你熟悉的圖形登錄界面。
4. 安裝 CUDA 9.0
首先，cuda 9.0 編譯安裝只支持gcc、g++ 6.0 及以下的版本，所以，如果系統已經默認安裝了gcc 7.0 以上版本的，就需要將級了。
sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8切換到 /usr/bin 目錄，對gcc7.0 進行降級，其實就是重新創建軟連接:
ls -l gcc*
sudo mv gcc gcc.bak
sudo ln -s gcc-4.8 gcc
ls -l g++*
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++重新查看g++、gcc 的版本：
g++ -v
gcc -v確認gcc、g++ 的版本爲4.8 就可以了。
下載CUDA 9.0
說明，現在先不要使用 cuda 9.1 或者 cuda 10，因爲後面 tensorflow 對這些版本還沒有支持。我一開始安裝的也是cuda 9.1 以爲版本越新越好。
cuda 各個版本的歸檔目錄在這裏，選擇9.0 的版本：
注意，這裏選擇 ubuntu 16.04 的系統版本，對18.04 也適用。
cuda 9.0 共5個文件，包括4個patch都需要下載。下載完成之後，上傳到服務器，進行安裝，cuda安裝的過程中，會提示要安裝nvidia driver的，不要安裝，因爲我們之前已經安裝過了。其他的選項可以隨意。
安裝過程如下：
sudo sh cuda_9.0.176_384.81_linux-run
sudo sh cuda_9.0.176.1_linux-run
sudo sh cuda_9.0.176.2_linux-run
sudo sh cuda_9.0.176.3_linux-run
sudo sh cuda_9.0.176.4_linux-run
同樣，下載 cuDNN 進行安裝。cuDNN 的版本選擇 7.1.4，選擇7.0的大多數情況會沒有問題，但是當使用 tensorflow 進行卷積運算的時候，會提示初始化失敗，原因是 tensorflow 1.9 裏編譯的支持的版本是 7.1.4 及以上。
下載 cuDNN 請在這裏 ,注意，下載需要提供註冊賬號，自己搞一個郵箱註冊一下。
下載完成之後，上傳到服務器，開始安裝：
其實是先解壓，然後將文件複製到cuda-9.0 的目錄裏。
sudo tar xvzf cudnn-9.0-linux-x64-v7.1.tgz
解壓之後，默認的目錄名也叫 cuda.
然後，複製cuDNN的內容：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
最後，修改權限：
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
至此，cuda 和 cudnn已經安裝完畢。
但是，還需要修改一下環境變量：
修改 sudo vim ~/.bashrc，添加以下內容：
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
修改 sudo vim /etc/profile ，添加以下內容：
export PATH=/usr/local/cuda/bin:$PATH
繼續修改：
sudo vim /etc/ld.so.conf.d/cuda.conf
/usr/local/cuda/lib64
修改後，加載配置，但可能會提示：（/usr/local/cuda/lib64/libcudnn.so.7 不是符號鏈接？)
sudo ldconfig
sudo ln -sf /usr/local/cuda/lib64/libcudnn.so.7.1.4 /usr/local/cuda/lib64/libcudnn.so.7
sudo ldconfig最後，可以安裝tensorflow 了
5. 安裝 tensorflow
利用pip 的方式來安裝：
sudo pip3 install tensorflow-gpu==1.9.0沒有pip3 的，自己安裝一下：
sudo apt install python3-pip如果 pip3 的安裝速度太慢，導致超時報錯，可以嘗試一下，使用國內源，具體方法：
修改 ~/.pip/pip.conf (沒有就創建一個)：
如果不存在此文件夾，則創建之
mkdir ~/.pip
vi ~/.pip/pip.conf
增加內容如下：
[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com6. 總結
tensorflow 的版本兼容比較嚴格，這一點值得注意。