ubuntu 18.04 Nvidia驅動安裝 + CUDA+cuDNN （根據網上資料整理，並親測）

Nvidia驅動安裝

轉載 https://blog.csdn.net/stories_untold/article/details/78521925

一、查看顯卡信息

$ lspci | grep VGA

二、下載驅動程序： http://www.nvidia.cn/Download/index.aspx 好比個人是 gtx1050ti

下載完以後是一個名稱爲 NVIDIA-Linux-x86_64-xxx.xx.run 的文件。

三、 刪除原有驅動

$ sudo apt-get remove --purge nvidia*

四、禁用nouveau驅動：

編輯 /etc/modprobe.d/blacklist-nouveau.conf 文件，添加如下內容：

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

而後保存。 關閉nouveau：

$ echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf

五、 重啓：

$ update-initramfs -u
$ sudo reboot

六、獲取Kernel source（很是重要）：

$ sudo apt install linux-source
$ sudo apt install linux-headers-x.x.x-x-generic

圖中紅色部分中的版本號就是第二步中x.x.x-x須要替換的部分。

七、安裝Nvidia驅動

$ sudo sh ./NVIDIA-Linux-x86_64-xxx.xx.run

這裏要着重說一下 網上的教程都是先把gcc和g++的版本先替換掉了，我發現直接用sudo apt install nvidia-340裝上驅動仍是掛載不了，因此推薦直接卸載了直接重裝。 這裏編譯驅動須要gcc7版本， 因此用4.8版本的話會報錯。因此先不用替換，而且用 gcc -v 檢查一下是否安裝，版本是不是7版本

是否卸載原有驅動安裝新驅動 -> 是

大概意思是沒有獲取到預安裝腳本（猜的），是否繼續 -> 是

嘗試翻譯了一下，翻譯處理我看不懂 -> 否

後面還有一個問你是否安裝32位的， -> 否

Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up. -> 是

八、掛載Nvidia驅動：

$ modprobe nvidia

九、檢查驅動是否安裝成功：

$ nvidia-smi

安裝 CUDA

一部分轉載 http://www.javashuo.com/article/p-vpkmawbf-ga.html

一、下載cuda

https://developer.nvidia.com/cuda-toolkit-archive

深綠色的所有選中，下面的內容所有下載， 後面的主要是補丁文件 另外有人糾結版本問題， 說網上各類教程都是好多版本的， 我裝最新的版本會不會有什麼問題？ 我我的的見解是，只要官方出補丁了，就直接上手用，基本上不會有什麼問題。 可是好比像python這種極度依賴包的語言的話，就不能直接上最新，通常上最新的版本減一個小版本就好了。 好比如今最新的3.7 不少包不能兼容， 可是我用3.6.6就不會有問題

二、下載cuDNN

https://developer.nvidia.com/rdp/cudnn-archive 這個要注意一下， 要下載明確說明可以兼容下載的cuda的版本 好比個人是9.2 那麼我就要下載對應的最新的版本

注意： 這個須要登錄以後才能下載

三、gcc降級

$ sudo apt-get install gcc-4.8
$ sudo apt-get install g++-4.8

$ cd /usr/bin
$ sudo mv gcc gcc.bak #備份
$ sudo ln -s gcc-4.8 gcc # 從新鏈接

$ sudo mv g++ g++.bak
$ sudo ln -s g++-4.8 g++

查看版本號

$ gcc -v 
$ g++ -v

均顯示gcc version 4.8 ，說明gcc 4.8安裝成功。

四、安裝cuda ,及其補丁

$ sudo bash cuda_9.2.148_396.37_linux.run

這裏有一個小技巧， 它會出現一個協議，而後按回車鍵才能不斷的往下面走。剛開始的時候，由於驅動配置得不會， 拖了十屢次，每次都至少半分鐘， 着實把我給噁心着了。 後面無心中發現一個直接關的辦法， 就是直接按 ctrl+c 這裏面在詢問是否安裝驅動的時候選否，其餘的都選y或者回車就能夠

後面繼續安裝補丁

$ sudo bash cuda_9.2.148.1_linux.run

安裝完畢以後，將如下兩條加入.barshrc文件中.注意，須要把cuda-9.2替換成安裝的版本號

export PATH=/usr/local/cuda-9.2/bin${PATH:+:${PATH}}   
export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRA$

五、安裝cuDNN

這個簡單，直接解壓以後複製到對應的包就行

$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include      注意，解壓後的文件夾名稱爲cuda ,將對應文件複製到 /usr/local中的cuda內
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

安裝 Anaconda 並 安裝tensorflow-gpu+keras-gpu及Gpu vs Cpu驗證

轉載 http://www.javashuo.com/article/p-tnhqogqw-ns.html

一、下載Anaconda

https://www.anaconda.com/download/ 這裏有兩個版本選擇， 取決於項目版本，這個開始搜這份資料的都是老司機， 我就不細說了

二、安裝

bash Anaconda3-4.2.0-Linux-x86_64.sh

這裏我忘了截圖了， 網上詳細安裝的教程不少，去搜索一下就好了 http://www.javashuo.com/article/p-rfllkfga-hx.html

三、添加清華鏡像 安裝好以後添加一下國內源

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

四、建立虛擬環境

conda create -n tensorflow-gpu python=3.6
source activate tensorflow-gpu #（linux下+source， windows下無需+source）

五、安裝包

conda install tensorflow-gpu
conda install keras-gpu

必定要加上-gpu，不然系統會默認成cpu

六、 驗證

將下面代碼保存到一個py文件中

import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

當執行的結果圖示位置位GPU的時候， 那麼環境就所有搭建完成了