ubuntu14.04+nvidia driver+cuda8+cudnn5+tensorflow0.12

文章在簡書裏面編輯的，複製過來貌似不太好看，仍是到簡書的頁面看吧：
http://www.jianshu.com/p/c89b97d052b7

1.安裝環境簡介:

硬件:

1. cpu：i7 6700k
2. gpu：gtx 1070
3. 內存：32g

系統:Ubuntu 14.04

• 安裝在一塊移動硬盤上~爲啥不裝雙系統呢?不爽~！移動硬盤上裝Ubuntu的一個坑是裝以前須要確認你的盤是不是4k對齊。你不確認也行，反正它死活都不讓你裝~。
• 系統語言選的是English，不推薦中文，在shell裏面輸入中文路徑是一件萬分不爽的事兒。
• 環境就這樣，很純潔

注意:此時個人顯示屏鏈接線是連在主板上的，由於系統剛裝好gpu尚未驅動。

正式安裝以前請先看一下cuda開發庫的支持信息。Ubuntu14.04裝完不用幹啥，知足要求。

2.裝顯卡驅動

恩，雖然我一直以官方文檔爲準。可是裝這個驅動，算了，仍是參考先驅的經驗吧。如下三個連接，第一個連接是官網的文檔，我主要參考第二個和第三個。
(1)https://docs.nvidia.com/deploy/driver-persistence/index.html
(2)http://wxhp.org/ubuntu-install-nvidia-official-drivers.html
(3)http://wiki.ubuntu.org.cn/NVIDIA

• 參照第二個連接安裝過程當中出現提示說：將要安裝程序爲32位，將不安裝任何東西balalala...（-_- || 嚇死寶寶了，無論了繼續吧）。安裝過程一路yes，沒有遇見說要從網上下載modules的那個提示，因此就沒有選no。安裝完了以後，pa~提示：kernel Error ...balabala....（|_| 感受世界沒有愛了，花了那麼長時間換來的就是全特麼是error）。
• 安裝完了，sudo start lightdm（心如死灰），輸入登陸密碼，果真~~仍是跳回了登陸界面。谷歌ubuntu輸入密碼返回登陸界面，按照排名靠前的幾個解決方案看了看，徹底沒什麼卵用，由於個人文件權限和所屬用戶、用戶組都是正確的。好吧，，，仍是去查看啓動日誌吧~
• 查看cat ~/.xsession-errors，錯誤提示說：gnome session 啓動失敗。這是什麼鬼提示嘛，仍是沒什麼卵用。只知道gnome這個東西沒起來。捋一捋系統啓動流程，想到gnome是個桌面管理程序，既然我在其餘run level裏面可以成功使用帳戶名密碼登陸，說明起碼系統沒壞，在這個gnome程序裏面卻進不去，是否是gnome在啓動什麼東西的時候失敗了，聯想到我以前卸了舊驅動，裝了顯卡新驅動，並且我把顯示器的HDMI插頭接到了主機的主板上，不是顯卡上的HDMI接口。OK，猜測：是否是gnome想要啓動顯示器，可是呢系統如今默認使用的gragphic是NVIDIA，我卻把HDMI插頭接口放在了intel集成顯卡的接口上，而intel集成顯卡又沒啓用，因此失敗了。。。死馬當活馬醫，關機，換到NVIDIA插口上，啓動，輸入密碼~~~~艾瑪，進去了。

• 在換插口前我還運行了兩條命令
  sudo apt-get --purge remove nvidia-* sudo apt-get --purge remove xserver-xorg-video-nouveau
  這兩條命令運行完以後，我仍是無法登陸進系統。我粗略看了下執行是顯示的內容，貌似沒有卸載啥東西。因此就不知道我運行的這兩條命令未來會產生什麼影響，反正如今是進系統了，下一步準備安裝cuda7.5和cuDnn。
  2016.10.08
  -------------------------------------------------------------------------------------------------------------------------------------------------

  3.安裝cuda7.5(可跳過此部分，這是本安裝記錄的舊版本)

  環境檢查（給予Ubuntu，其餘系統環境查看這裏的說明）
  

---

2016年11月19日

---

• 一個多月過去了，以前驅動裝完就放下了。剛開始其實不用必定非得要裝gpu版本的，在虛擬機裏面裝了個cpu版本的作作實驗也OK。看了一些神經網絡相關的論文，作了些實驗後，如今以爲虛擬機不夠用了。這纔回來安裝GPU版本的tensorflow。

• 一個多月，tensorflow官網已經默認支持最新的cuda toolkit 8.0，並且window平臺也開始逐步支持了。廢話很少說，開始吧～

---

4.安裝cuda8.0

此部份內容與第三步一樣是按照官網的教程使用的。官網文檔請走這裏。

官方文檔裏面包含九個章節，分別是：

1. 引入
2. 裝前檢查，肯定依賴環境等
3. 安裝包管理
4. 安裝文件
5. 交叉平臺安裝（目前只支持Ubuntu）
6. 安裝後注意事項
7. 高級設置
8. 常見問題
9. 其餘注意事項

黑體部分爲本安裝記錄會涉及到的，其餘部分若有須要自取。

1. 裝前檢查，肯定依賴環境等
   相關命令:

lspci | grep -i nvidia 
uname -m && cat /etc/*release
gcc --version
uname -r
sudo apt-get install linux-headers-$(uname -r)

1.1 安裝與內核版本一致的相關包
相關命令:sudo apt-get install linux-headers-$(uname -r)

ps: 參考官方文檔的2.1～2.4 , 2.7節

4.安裝文件
安裝文件可選方式有兩種，一種是distribution-specific packages安裝包，一種是distribution-independent package。有啥區別呢?就是後一種是.sh結尾的文件，能夠在一些不經常使用的Linux平臺上安裝，可是包管理器可能不支持更新升級，安裝起來也比較麻煩。前一種能夠經過包管理器本地安裝或在線安裝，安裝升級方便。在官網下載的時候就能看到下載包的區別，以下圖所示,第一個runfile我的不建議下載安裝。下載第二個安裝。

下載好後改變bash路徑到cuda-repo- .deb文件所在的目錄，而後依次執行以下命令

sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb
sudo apt-get update
sudo apt-get install cuda

一切都很順溜~～注意第一條命令不要直接複製就運行了，替換成你下載的文件名。
ps: 參考官方文檔的2.5,3.6節

6.安裝後注意事項
6.1 把路徑/usr/local/cuda-8.0/bin加到環境變量中去。
在/etc/profile 文件的末尾加了以下語句:
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
保存後別忘了source /etc/profile一下。
6.2 安裝cuda的測試腳本
cuda-install-samples-8.0.sh <dir>

爲一個當前用戶具備讀寫權限的目錄，我運行的命令以下: cuda-install-samples-8.0.sh ~
看一下當前目錄，多了個NVIDIA_CUDA-8.0_Samples的文件夾

6.3 編譯例子程序測試是否安裝成功
把當前目錄切換到剛纔那個目錄文件下
cd ~/NVIDIA_CUDA-8.0_Samples
再執行命令
make
嘩啦嘩啦~好多輸出。這時候你再開一個shell窗口，切換到目錄~/NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release
看看文件數量是否是在增加，能夠經過以下命令統計當前目錄文件數量ll | wc -l。我編譯完成後一共是160個文件。

6.4 運行編譯後的二進制文件

• 切換到目錄~/NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release下，運行以下腳本./deviceQuery。運行結果什麼呢?失敗~反正我安裝完後執行這個腳本是失敗了,失敗的界面沒截圖~~我就不重現它了。
  我沒有急着卸載重裝，回想全部安裝步驟都沒問題，因而有了終極解決方案:重啓~～。對，沒看錯就是重啓~重啓一下運行剛纔這個命令會出現以下所示界面，恭喜你成功了~

上圖中主要看兩個地方，一個是看有沒有檢測到你的顯卡，也就是Device 0: "GeForce GTX 1070"的那一行。還有就是最後一行Result = PASS

• 再運行一個測試腳本``

PS：出錯的時候網上查了下，有人說不要使用deb的文件安裝。可是一想畢竟按照官方文檔一步一步下來沒有錯，我也不想再折騰。開始想看一下是否是源碼有問題，粗略看了下，好像沒啥問題(實際上是看不懂)，重啓就是死馬當活馬醫~

ps: 本節參考了原文的6.1.1 , 6.2.1 , 6.2.2.2 和 6.2.2.3小節。

---

5.安裝cuDNN v5

這個最簡單，按照tensorflow官網的教程來就行，不用按照cuDnn的文檔來。

1. 下載cudnn
   https://developer.nvidia.com/cudnn
2. 把壓縮文件解壓到cuda toolkit的安裝目錄，默認是/usr/local/cuda。首先把當前目錄切換到/usr/local/cuda，而後運行以下相關命令:

tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz
sudo cp -P cuda/include/cudnn.h /usr/local/cuda/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

6.tensorflow安裝方式

我基本上全部方式都嘗試過了，此次我選擇anaconda的安裝方式。

1. anaconda官網下載:https://www.continuum.io/downloads
   我選的是python3.5 64位的Linux版本
   下載好後，用命令bash bash Anaconda3-4.2.0-Linux-x86_64.sh裝就行了。
   中間要你輸入enter就敲一下回車，遇到more的時候就按空格鍵，遇到選yes或no，通通選yes就好。
   裝完以後，記得要麼重啓一下，要麼shell裏面運行source ～/.bashrc就好。而後輸入which python看一下路徑中是否是包含在anaconda的安裝目錄，是就對了。

哦對了，你會發現若是你運行sudo python的時候，仍是用的系統自帶的python。解決辦法嘛能夠重建默認python的軟鏈接到anaconda裏面的python。也能夠編輯/etc/profile，把anaconda的bin目錄加到path裏面去。

2.安裝tensorflow
直接上命令清單，一行一行運行就好。有特殊需求找官網去。

conda create -n tensorflow python=3.5
source activate tensorflow
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-linux_x86_64.whl
pip install --ignore-installed --upgrade $TF_BINARY_URL

注意最後一行和官網不同，官網是pip3 install --ignore-installed --upgrade $TF_BINARY_URL。它用的是pip3，我沒裝上，換成pip就好。細心的話會發先不是python2.x採用pip麼?你裝的python3.5怎麼用pip呢?我也，不知道，反正就是裝上了~python的庫基本上都支持python3了，估計也不必搞個pip3了。

7. 運行點代碼試試

輸入圖片中紅色框住的或指向的就行，其餘的忽略。目的就是計算一個e的5次方。

8. 其餘

shell窗口使用的是terminal，窗口多開，調節大小挺方便的。
git+pycharm+anaconda+jupyter
關於pycharm設置什麼遠程調試啊，代碼部署啊什麼的，若是有須要，回頭再寫。

完事兒~～