ubuntu16.0.4+nvidia驅動+anaconda3+cuda9.0+tensorflow1.9.0+cudnn7.1.2

1.安裝雙系統（在window系統下製作）

準備一個空u盤，確保裏面沒有任何文件

到ubuntu的官網下載鏡像（推薦16.0版本，比較穩定）

下載製作安裝U盤的軟件UItralISO

將U盤插入電腦，安裝UItralISO軟件並打開

爲ubuntu分配空間

禁用win10快速啓動

重啓電腦，出現LOGO時一直按F2（不同類型的筆記本進入BIOS方式不同，自行百度，這裏演示的是神舟筆記本）：

2.安裝anaconda3

下載anaconda安裝包：

在命令行中安裝下載的.sh文件：

測試安裝情況：

3.安裝Nvidia driver

查看顯卡型號：

下載對應版本的驅動:

禁止第三方驅動：

檢測禁用是否成功：

開始安裝驅動：

檢測驅動是否安裝成功：

4.安裝cuda9.0

cuda下載（推薦9.0版本，使用run方式安裝）：

配置環境變量：

檢測cuda是否安裝成功：

attention：

5.安裝tensorflow-gpu 1.9.0

查看tensorflow-gpu的可用版本號：

創建虛擬環境(YOUR_ENVS_NAME是創建的環境名，自己指定)：

激活該環境：

添加conda國內鏡像(加快下載速度）：

下載tensorflow-gpu:

6.安裝cudnn7.1.2

下載tensorflow-gpu時會自動安裝對應的cudnn庫，但是版本比較高可能出現問題，建議移除重新安裝。

查看可用的cudnn版本號：

7.tensorflow CUDA cudnn 版本對應關係（僅供參考）

8.測試tensorflow-gpu:

在home目錄下創建test.py文件：

編輯文件內容：

執行test.py文件：

輸出結果：

---

 

不要着急敲命令，先瀏覽一遍～～

1.安裝雙系統（在window系統下製作）

參考：https://blog.csdn.net/u011680118/article/details/90740181

• 準備一個空u盤，確保裏面沒有任何文件

• 到ubuntu的官網下載鏡像（推薦16.0版本，比較穩定）

        http://releases.ubuntu.com/16.04/

• 下載製作安裝U盤的軟件UItralISO

http://www.ezbsystems.com/ultraiso/download.htm

選擇簡體中文下載即可：

• 將U盤插入電腦，安裝UItralISO軟件並打開

選擇“文件->打開”，找到你下載的ubuntu鏡像（.iso）文件，點擊“啓動->寫入硬盤映像”：

點擊“格式化”（分配單元大小不一定是4096字節，可以選擇最大的），點擊“開始”：

格式化完成之後，點擊“關閉”，回到寫入硬盤鏡像窗口，點擊“寫入”（警告窗口點擊“是”）：

當日志中顯示“刻錄成功”說明U盤製作完成。

• 爲ubuntu分配空間

win+x，選擇磁盤管理

選擇剩餘空間較大的可分配磁盤（例如E盤），右鍵並選擇“壓縮卷”，輸入準備分配的空間大小（建議50G或以上，這裏分配100G）。點擊“壓縮”之後，E盤後部出現黑色的100G“未分配空間”，用來給ubuntu使用;至此，磁盤分區過程完成。

• 禁用win10快速啓動

win+x，選擇“電源選項”：

取消選擇“啓用快速啓動”。最後點擊“保存修改”。

• 重啓電腦，出現LOGO時一直按F2（不同類型的筆記本進入BIOS方式不同，自行百度，這裏演示的是神舟筆記本）：

檢查security boot是否關閉，需要關閉，即修改爲“disable"（大部分機器是關閉的，可以跳過此步驟）。插入U盤，重啓電腦，一直按F2,進入BIOS，選擇”security manager“，選擇自己的U盤，回車之後進入到如下頁面：

在這裏不要直接點install ubuntu！！！！按鍵移到 Install Ubuntu 選項，鍵盤按e, 進入命令行模式，編輯文本，在倒數第二行末尾的 quiet slash ---後面(也可能沒有 – )，添加以下內容：

acpi_osi=linux nomodeset

保存後回到上面界面，按回車執行 Install Ubuntu 命令，這時候可以順利進入安裝界面。設置好一些基本的引導信息後就結束了。

至此，雙系統安裝完畢。

---

 

2.安裝anaconda3

參考：https://blog.csdn.net/weixin_39345190/article/details/82595898

• 下載anaconda安裝包：

https://repo.continuum.io/archive/

下載完成後（一般都在”下載“文件夾中，後面幾步的下載文件也在這個文件夾）：

將其移動至“home”目錄下（方便安裝，否則在命令行中使用命令“cd /目錄”進到下載文件的位置）：

• 在命令行中安裝下載的.sh文件：

$sudo bash Anaconda3-5.2.0-Linux-x86_64.sh

然後，根據提示按回車繼續。
接下來，它會提示你是否接受協議，這裏直接輸入yes，再按回車即可（不要直接按回車，這樣默認是no）

Do you accept the license terms? [yes|no]
[no] >>> yes

接下來會提示你指定安裝路徑，這裏可以使用默認的，也可以自己指定。等待安裝進程完成，完成後會提示你是否要將Anaconda的安裝路徑添加到PATH環境變量中，輸入yes就好了。

在這裏如果不小心選擇了no，那麼需要使用命令行手動添加anaconda到環境變量，命令如下（不會使用vi命令的話先百度一下）：

$vi .bash_profile
在最後一行加上如配置：
export PATH=/home/lrr/anaconda3/bin:$PATH

這裏/home/lrr/anaconda3/是上面自己指定安裝路徑。

然後使其生效：

$source .bash_profile

至此，安裝anaconda3完成。

• 測試安裝情況：

命令行輸入以下命令：

$anaconda-navigator

或者

$python -V

輸出python版本號說明安裝成功：

---

 

3.安裝Nvidia driver

• 查看顯卡型號：

在命令行輸入如下命令：

$sudo lshw -numeric -C display

• 下載對應版本的驅動:

https://www.nvidia.com/Download/index.aspx

搜索你的顯卡需要的驅動型號，點擊“search"，下載到本地：

下載的文件即圖中的NVIDIA-Linux-x86_64-xxx.run文件（xxx表示驅動型號）。

• 禁止第三方驅動：

在命令行輸入如下命令：

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

 在打開文檔的末尾，加上如下代碼：

blacklist amd76x_edac
blacklist nouveau option nouveau modset=0
#for nvidia display device install
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb

更新內核並重啓：

$sudo update-initramfs -u
$sudo reboot now

• 檢測禁用是否成功：

$lsmod | grep nouveau

若沒有輸出說明禁用成功。

• 開始安裝驅動：

（將下載的驅動文件移動至home目錄下，方便安裝;否則需要使用cd命令進入下載目錄）

ctrl+alt+f2進入終端，登入用戶（賬戶名是root，密碼是root的密碼不是登錄的密碼;如果還沒有設置超級用戶root，按ctrl+alt+f7先退出，在命令行下輸入su，設置root密碼。ctrl+alt+f2重新進入終端)。將xxx.xx改成下載的對應的版本號：

$sudo service lightdm stop
$sudo bash NVIDIA-Linux-x86_64-xxx.xx.run -no-opengl-files

（有一處x config？啥的  選擇no        若是詢問是否continue，選擇continue installation）

$sudo service lightdm start

• 檢測驅動是否安裝成功：

$nvidia-smi

出現表格信息說明安裝成功。

重啓服務器之後若出現連接不上NVIDIA驅動的情況，即在終端輸入nvidia-smi出現：

NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.

只需輸入以下代碼：

$sudo apt-get install dkms

$sudo dkms install -m nvidia -v xxx.xx

注：xxx.xx是下載的驅動號

再次輸入nvidia-smi，恢復正常。

---

 

4.安裝cuda9.0

• cuda下載（推薦9.0版本，使用run方式安裝）：

https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal

將下載的文件移至home目錄下，方便安裝：

輸入如下命令：

$sudo sh cuda_9.0.176_384.81_linux.run

一路單擊回車，直到提示”是否爲NVIDIA安裝驅動.....？“   選擇否，因爲已經安裝好驅動了。

cuda默認的安裝位置是/usr/local/cuda。

• 配置環境變量：

$sudo gedit /etc/profile

在文末加上如下代碼：

export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH

保存修改，重啓才能生效：

$sudo reboot now

• 檢測cuda是否安裝成功：

$nvcc -V

系統會輸出cuda的版本信息：

• attention：

安裝驅動的時候，系統自帶了一個cuda，但是我們可以自己安裝新的cuda，並不影響使用：

---

 

5.安裝tensorflow-gpu 1.9.0

• 查看tensorflow-gpu的可用版本號：

$conda search tensorflow-gpu

• 創建虛擬環境(YOUR_ENVS_NAME是創建的環境名，自己指定)：

$conda create -n YOUR_ENVS_NAME pyhton=3.6

這裏YOUR_ENVS_NAME設置爲tf。

• 激活該環境：

$source activate tf

• 添加conda國內鏡像(加快下載速度）：

$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

• 查看已添加的鏡像源：

$conda config --show

• 下載tensorflow-gpu:

$conda install tensorflow-gpu==1.9.0

---

 

6.安裝cudnn7.1.2

• 下載tensorflow-gpu時會自動安裝對應的cudnn庫，但是版本比較高可能出現問題，建議移除重新安裝。

$conda uninstall cudnn==7.6.4
$conda install cudnn==7.1.2

• 查看可用的cudnn版本號：

$conda search cudnn

• 另：可使用安裝文件安裝cudnn：

1. 到官網https://developer.nvidia.com/rdp/cudnn-archive下載cudnn的安裝文件，注意按自己版本適配下載（可參考7中表格）。
2. 從Nvidia官網上下載下來的cudnn for linux的文件格式是.solitairetheme8，想要解壓的話需要先轉成tgz格式再解壓：

   cp  cudnn-10.0-linux-x64-xxx.solitairetheme8 cudnn-10.0-linux-xxx.tgz
   tar -xvf cudnn-10.0-linux-x64-xxx.tgz

   注意：xxx表示版本號。

3. 解壓之後，就可以看見cuda文件夾，可在當前目錄打開終端，然後輸入以下代碼：

   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*

4. 查看是否安裝成功：

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

   出現下圖信息表示安裝成功：

 

          

---

 

7.tensorflow CUDA cudnn 版本對應關係（僅供參考）

參考：https://blog.csdn.net/yuejisuo1948/article/details/81043962

---

 

8.測試tensorflow-gpu:

• 在home目錄下創建test.py文件：

• 編輯文件內容：

import tensorflow as tf
with tf.device('/cpu:0'):
 a=tf.constant(1,dtype=tf.float32)
 b=tf.constant(2,dtype=tf.float32)
with tf.device('/gpu:0'):
 c=a+b
sess=tf.Session(config=tf.ConfigProto(allow_soft_placement=False,log_device_placement=False))
sess.run(tf.global_variables_initializer())
print('gpu is run %d'%sess.run(c))
print('%s'%(tf.test.is_gpu_available()))
#tf.test.is_gpu_available() 測試gpu是否可用

• 執行test.py文件：

激活虛擬環境
$source activate YOUR_ENVS_NAME
$python test.py

• 輸出結果：

---