ubuntu17.10 安装CUDA

1. 更新apt-get源列表

sudo apt-get update

sudo apt-get upgrade

2. 添加驱动源

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

3. 安装nvidia驱动

1.正常策略

sudo apt-get install nvidia-367
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev

这一步有超多的坑，如果你足够幸运的话。上面步骤执行完，重启。执行：

sudo lshw -c video|grep configuration

如果显示nvidia字样，就代表驱动装好了。直接进入第4步。如果是nouveau或其他的，那就是没有装好，请看下面。

2.踏坑策略

别问我367是什么东西，据说是显卡版本号什么的，我看到下载时，实际上下载了多个版本，比367更高的有不少。之所以不求甚解，是因为上面的操作据说成功概率很高。可是，我有强迫症，我选择了去官网下载对应我显卡的驱动，手动安装，然后一路掉坑无数，还好最后还是成功了。

2.1 首先，禁用nouveau。

nouveau是系统自带通用驱动，一般是支持你的显卡的，我的gtx1070都支持（那我为什么更新官方驱动呢？可能是有强迫症！其实我是担心不能充分调动我显卡的性能，影响我后面deep learn的数据集训练）。方法是暴力移除：

mv /lib/modules/3.0.0-12-generic/kernel/drivers/gpu/drm/nouveau/nouveau.ko /lib/modules/3.0.0-12-generic/kernel/drivers/gpu/drm/nouveau/nouveau.ko.bak

重启，再次测试前面正常策略的驱动是否成功。如果成功的话，就走第4步。

2.2 下载官网驱动

获取显卡的硬件信息：

lspci -vnn | grep VGA -A 12

然后拿着型号，去官网下载即可。貌似需要注册个帐号。

2.3 关闭X service

linux各发行版，有个通用的系统运行级别。3为标准的多用户模式，5为X Window模式。可以用runlevel命令来查看当前系统运行level。ubuntu17.10桌面版，默认level是5。我们可以通过telinit命令切换运行模式。

sudo telinit 3

进入命令行模式。如果想进去X Windows的话，把3改为5即可。

2.4 安装

官网下载的文件，后缀应该是bundle。赋执行权限：

sudo chmod +x $name

sudo ./$name

重启。查看驱动。

4. 安装cuda

因为最新版的tensorflow 1.5不支持cuda9.0，这里安装8.0版本。（下面的版本9.0，替换为8.0即可）

下载地址（当然也需要先注册）：https://developer.nvidia.com/cuda-toolkit-archive

1. run格式文件

如果下载的是run文件，直接运行即可。

2. deb格式文件

2.1 安装gcc：

sudo apt-get install gcc-5

注意一定要选择好版本，不选择默认装gcc-7,而后面编译时不支持gcc大于6的版本.

我安装时候，第一种方法失效，现在觉得，可能就是gcc版本不支持的缘故。

2.2 安装内核头文件

sudo apt-get install linux-headers-$(uname -r)

2.3 deb安装

sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub  <version>部分是自己下载的那个版本，一般在命令行按tab键就能出来；

sudo apt-get update
sudo apt-get install cuda

2.4 添加环境变量

写入到 ~/.bashrc 的尾部:

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

2.5 测试

cuda-install-samples-9.0.sh <dir>  安装测试程序，<dir>是安装目录，自己新建一个即可

安装好后，<dir>下有个NVIDIA_CUDA-9.0_Samples文件夹，cd到这个文件夹里面，执行$sudo make,编译完后，在bin目录或bin目录的子目录的子目录里有编译好的deviceQuery可执行文件，执行这个文件，可以看到下面的输出就说明安装成功了：

如果执行失败，则是显卡驱动没有装好。

最后再来测试一下CUDA，运行：

sudo nvidia-smi

可以看到gpu的各种信息。

5. 安装cudnn

下载：https://developer.nvidia.com/rdp/cudnn-download

tar -xzvf cudnn-9.0-linux-x64-v7.tgz
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*