深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）

2022-05-23 21:13:25

本来就对Linux不熟悉，经过几天惨痛的教训，参考了不知道多少篇文章，终于把环境装好了，每篇文章或多或少都有一些用，但没有一篇完整的能解决我安装过程碰到的问题，所以决定还是自己写一篇我安装过程的教程，有些参考的文章会给出原地址，比较大众的教程就没有给出了。

本文写于2018年7月27日，注意下时效性，有问题欢迎留言

1. 安装Ubuntu16.04

  • 系统下载地址： http://releases.ubuntu.com/16.04/

  • 下载64位系统：ubuntu-16.04.4-desktop-amd64.iso

  • 制作系统盘安装，推荐使用UltraISO，找到一个U盘(U盘数据必须备份好)
  • 打开UltraISO软件，选择菜单中的文件，打开下载好的系统
  • 深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）
  • 再选择菜单中的启动，写入硬盘映像，完成后启动U盘就做好了，之后重新启动后选择U盘启动根据提示安装系统即可，具体细节可以在网上查找相应的文章，网上非常多。
  • 深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）

2.安装NVIDIA驱动

2.1 修改更新源

  • 系统安装完成后，应该首先修改的更新源，如果不修改的话更新的镜像地址不在国内下载速度是非常慢的，用的是中科大的源（还有阿里源，清华源等等，网上一查就有了）：
  • 右键打开终端，一条一条执行以下命令，如果是没有桌面端的系统，可以把gedit 改成 vi 进行编辑，gedit可以像打开文本文件一样方便编辑
  • cd /etc/apt/
    
sudo cp sources.list sources.list.bak
    
sudo gedit sources.list
  • 把下面的这些源添加到source.list文件头部：
  • deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse
    
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
    
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
    
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
    
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
    
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse
    
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
    
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
    
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
    
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
  • 保存后，退出文件，然后执行下面命令更新一下，等一会儿就行了，速度还是很快的
  • sudo apt-get update
    
sudo apt-get upgrade

2.2 驱动下载和安装以及一些问题解决

  • 接下来开始安装NVIDIA驱动了，我的显卡是GTX1080Ti，安装显卡驱动有3种方法：1.系统更新驱动 2.添加官方ppa源  3.NVIDIA官网下载安装
  • 感兴趣的同学可以去查找对应的安装方式，这里我选择的安装方式是去NVIDIA官网下载Linux版本的驱动，
  • 官网地址：https://www.geforce.cn/drivers 或者 https://www.nvidia.cn/Download/index.aspx?lang=cn
  • 建议去左边的地址可以选择版本，右边的地址会直接给你推荐最新版本，选择你对应版本的系列选择，操作系统别选错了
  • 深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）
  • 搜索出来这么多结果，先别急着下载，BETA版本为测试版就别下载了，其次这么多版本，到底下载哪个比较好，比如我们图上第二个版本是390.77，这需要看我们CUDA的版本要求的驱动版本是多少
  • 我们打开CUDA下载网站：https://developer.nvidia.com/cuda-downloads
  • 我这里目前最新的版本是CUDA9.2，再选择了一系列的选项后会给出CUDA9.2的下载地址如下图：
  • 深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）
  • 可以看到，下载的文件名为cuda_9.2.148_396.37,这个396.37就是我们NVIDIA驱动版本的最低要求，可是显卡驱动目前提供的Linux版本最高也就390.77，所以我们不能安装CUDA9.2，于是我选择安装CUDA9.0，下面给出一个驱动要求表格，如果要下载CUDA其他版本请到cuda的存档地址：https://developer.nvidia.com/cuda-toolkit-archive
  • 深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）
  • 上面讲了这么多，终于要开始安装NVIDIA驱动了，CUDA9.0文件可以先下载好

  • 1）打开终端，先删除旧的驱动：

  • sudo apt-get purge nvidia*

  • 2）禁用自带的 nouveau nvidia驱动

  • 先执行下面命令，可以发现会显示一些东西，我们现在要禁用掉，使它不显示出来
  • lsmod | grep nouveau
  • 执行以下命令创建一个文件
  • sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
  • 并添加如下内容：
  • blacklist nouveau
    
options nouveau modeset=0
  • 然后保存文件退出，执行下面命令更新一下
  • sudo update-initramfs -u
  • 然后重启电脑，重启后打开终端再次输入命令
  • lsmod | grep nouveau
  • 如果发现什么都没显示，那么说明禁用nouveau 成功了，然后开始安装NVIDIA驱动
  • 首先按Ctrl+Alt+F1进入控制台，然后输入用户名密码登陆，执行下面命令关闭图形界面
  • sudo service lightdm stop
  • 然后跳转到存放文件的路径再运行安装文件，比如我的文件放在Downloads目录下，命令如下：
  • cd Downloads
    
sudo sh NVIDIA-Linux-x86_64-390.42.run --no-opengl-files
  • 必须加上 --no-opengl-files ,否则会出现题主要是三种，（1）循环登录，也就是登录之后在退出来到登录界面; （2）界面变得很大，看着心慌，哈哈；（3）登录进去了，显示正常了，结果只有桌面背景和鼠标等等
  • 安装过程种有出现提示选项，这里主要注意两点（如果看不懂选项的英文，自己查字典）：
  • 第一点(不是所有电脑都会遇到,如果没有请忽视这1.)是安装提示 “sign  the kernel module”   安装过程中提示是否sign the kernel module（为内核模块签名）
  • 我当时是选择了不签名安装，于是我这里出现了错误提示  log:/ver/log/nvidia-installer.log ，查找到了相关文章：https://blog.csdn.net/lipi37/article/details/79465685
  • 大意是在支持UEFI的设备上打开Secure Boot 后,Ubuntu 16.04对于添加到内核的模块更加保守, 需要持有签名才能添加到模块中, 而显卡驱动由于要添加到内核中, 所以需要签名. 在安装过程中我们也会看到NVIDIA显卡会提示是否生成签名. 如果生成成功则没有问题。如果不想生成签名就需要进入BIOS关闭Secure Boot，在Key Management中Clear Secure Boot keys。虽然找到了解决办法但我还是选择生成签名。
  • 选择生成签名安装，参考文章：https://www.cnblogs.com/marky/p/8243607.html  。接下来会继续问使用已有的密钥给模块签名还是重新生成。这里选在重新生成密钥。继续下去之后，密钥会在/usr/share/nvidia/下生成一个nvidia*.der（私钥）文件和nvidia*.key（公钥）文件（这些都不用管），当提示是否删除已生成的密钥文件时，选择不删除，因为之后要用到这两个文件。继续安装程序到最后会提示无法启动模块。这是因为生成的密钥还没有添加到内核的信任库中，我们在安装完成后再导入。
  • 第二点提示是”Would you like to run the nvidia-xconfig utility to automatically update your X configuration file…”什么的，选择 No。
  • 待安装结束后，添加密钥到内核的信任列表中：
  • sudo /etc/init.d/lightdm start      //打开图形界面
    
sudo mokutil --import /usr/share/nvidia/nvidia*.der    //必须加上 sudo
  • 接下来提示输入密码，再次输入密码，然后
  • sudo  reboot  //重启
  • 在电脑刚启动的时候会出现一个界面，就是叫你添加密钥操作，选择 “enroll the mok” ，然后按照步骤操作，输入密码什么的，如果进错了就再执行上面的 sudo mokutil...
  • 导入成功后就进入系统就可以了，图如下（取自http://elrepo.org/tiki/SecureBootKey）：
  • 深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）
  • 进入系统后测试一下是否安装成功
  • nvidia-smi
    
nvidia-settings
  • 出现类似下面的显示,则安装成功
  • 深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）

3.安装CUDA9.0

  • 在上面已经说过了，CUDA9.2版本所需要的显卡驱动版本过高，所以这里我选择安装CUDA9.0（CUDA9.1也支持）
  • 安装方法和上面类似
  • 首先按Ctrl+Alt+F1进入控制台，然后输入用户名密码登陆，执行下面命令关闭图形界面
  • sudo service lightdm stop
  • 然后跳转到存放文件的路径再运行安装文件，比如我的文件放在Downloads目录下，命令如下：
  • cd Downloads
    
sudo sh cuda_9.0.176_384.81_linux.run
  • 安装开始以后，首先是一个协议，一直按空格到底以后，输入accept。其他的操作如下所示：
  • Do you accept the previously read EULA?
    
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
    
(y)es/(n)o/(q)uit: n

Install the CUDA 9.0 Toolkit?
    
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
    
[ default is /usr/local/cuda-9.0 ]:

Do you want to install a symbolic link at /usr/local/cuda?
    
(y)es/(n)o/(q)uit: y

Install the CUDA 9.0 Samples?
    
(y)es/(n)o/(q)uit: y
  • 第二个安装显卡驱动一定要选择no，否则之前安装的驱动就白装了，有默认选项的直接选择默认选项就可以了（直接回车）
  • 安装完成后，打开图形界面配置环境变量，运行如下命令打开profile文件
  • sudo service lightdm start   //打开图形界面
    
sudo gedit  /etc/profile
  • 打开文件后在文件末尾添加路径，也就是安装目录，命令如下：
  • export  PATH=/usr/local/cuda-9.0/bin:$PATH

export  LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH　
  • 保存后执行一个命令后重启电脑
  • sudo ldconfig
    
sudo reboot
  • 查看版本和测试CUDA的例子
  • 查看版本
    
nvcc --version
  • 编译例子测试
    
cd  /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
    
sudo make
    
./deviceQuery
  • 执行成功的话会出现下面信息：
  • 深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）

  • 编译例子的时候如果报错显示：CUDA driver version is insufficient for CUDA runtime version  解决方法卸载重新安装参考文章：https://www.cnblogs.com/wolflzc/p/9117291.html

  • 找到对应版本，下载后先把前面的安装的卸载再安装
  • 如果安装错了版本比，如我一开始装了CUDA9.2，卸载操作如下：
  • sudo apt-get remove cuda 

sudo apt-get autoclean

sudo apt-get remove cuda*

然后在目录切换到/esr/local/下

cd /usr/local/

sudo rm -r cuda-9.2
  • 然后按照前面的安装CUDA的教程来就可以了
  • 接下来再添加下环境变量
  • sudo gedit ~/.bashrc
  • 打开文件后，将下面内容添加到文件的最后面，保存后退出
  • 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}}
  • 然后设置环境变量和动态链接库，在命令行输入：
  • sudo gedit /etc/profile
  • 在打开的文件末尾加入：
  • export PATH=/usr/local/cuda/bin:$PATH
  • 保存之后，创建链接文件：
  • sudo gedit /etc/ld.so.conf.d/cuda.conf
  • 在打开的文件中添加如下语句：
  • /usr/local/cuda/lib64
  • 然后执行，使链接立即生效
  • sudo ldconfig

4.安装cuDNN7.0

    • 下载地址：https://developer.nvidia.com/rdp/cudnn-archive
    • 进去后下载自己对应的CUDA版本的cudnn文件，如下图：
    • 深度学习环境配置:Ubuntu16.04下安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程（多链接多参考文章）
    • 我是选择 cuDNN v7.0.5 Library for Linux 千万别选[Power8]的版本，我查了一下，这个是给Power8处理器使用的，由于v7.1.2版本还没提供普通版本，所以就下载了v7.0.5
    • 这里下载是需要注册登陆的，要填一些调查表什么的之后才能下载，如果版本和我相同我这里提供cuDNN的百度云下载地址：
    • 链接：https://pan.baidu.com/s/1Yi6IkjUDbiBmAd9Dm4YruQ 密码：k73g
    • 安装过程也比较简单，下载后是一个压缩包，解压下来放在cuda的路径中就可以了
    • 继续Ctrl+alt+F1进入命令模式，关闭图形界面
    • sudo service lightdm stop
    • 使用命令解压文件cudnn-9.0-linux-x64-v7.tgz，并且复制到cuda路径中
    • tar -zxvf cudnn-9.0-linux-x64-v7.tgz
      
cd cuda
      
sudo cp lib64/lib* /usr/local/cuda/lib64/
      
sudo cp include/cudnn.h /usr/local/cuda/include/
    • 然后更新网络连接：
    • cd /usr/local/cuda/lib64/
      
sudo chmod +r libcudnn.so.7.0.5  //自己查看.so的版本 对应更改
      
sudo ln -sf libcudnn.so.7.0.5 libcudnn.so.7
      
sudo ln -sf libcudnn.so.7 libcudnn.so
      
sudo ldconfig
    • 重新启动图形化界面
    • sudo service lightdm start
    • 没有显示出图形界面的话 按Ctrl+Alt+F7进入图形界面
    • 安装完成后可用 nvcc -V 命令验证是否安装成功，若出现版本信息则表示安装成功
    • 到这一步已经大功告成了，接下来就安装Anaconda，配置Python，tensorflow等软件，有机会的话还会补充。
上一篇：nodejs学习笔记(2)--Express下安装模版引擎ejs


下一篇：Android性能优化之图片压缩优化