Ubuntu16.04LTS + Nvidia Driver + Cuda + Cudnn + Anaconda + Python3.6 + Pycharm + Tensorflow完整版安装指南

1 概述

计算机全部硬件配置如下：

 

系统及实验环境：

 

2 硬件组装

对于硬件的选择要考虑如下几点：

1）主板要与CPU型号相适应。如八代CPU（e.g. i7 8700k; i58600k etc）都需要Z370型号主板；

2）PCIE通道数要相适应。如GPU最大通道数与CPU是否相匹配；通道数损失（e.g.第二个GPU损失大约为5%~10%的速）；

3）在Windows系统下，机械硬盘如果大于等于3TB需要固态硬盘识别，否则只能够识别2TB；

4） 电源总瓦数约计算：（CPU + GPU）+ 100W。

3 软件安装

系统：Ubantu 16.04.03

环境：CUDA + NVIDIA Driver+ CUDNN(+ Pycharm + python 3.6 +Anaconda)

 

3.1 系统安装

安装Ubantu系统首选默认英文，系统镜像下载和优盘制作过程略，以下给出分区方案：

 

说明：

1）/user 为用户安装应用的默认文件位置，将python等软件实验软件装入SSD中可提高程序运行速度。

2）/Swap 相当于Windows中的虚拟内存，当系统的物理内存不够用的时候，就需要将物理内存中的一部分空间释放出来，以供当前运行的程序使用。

3）/home 相当于Windows中我的文档，用户的数据、文件以及从网上下载的资源都存在/home下。

 

系统装好后重启，之后可能会出现因为高级显卡（HDMI接口）和老式显示器（VGA接口）不匹配问题，系统安装完后无法进入图形化界面，报错如下：

解决办法：

    1） 同时按住"Ctrl + Alt + F1"， 进入命令输入模式

    2） 输入用户名和密码登入

    3） 输入以下命令：

       cd /etc/X11 （X大写）

       sudo cp xorg.failsafe xorg.conf

       sudo reboot

 

进入图形化界面后对网络进行配置,进入终端输入"pppoeconf"，每步都选择”yes”，用户名密码即可。

最后“ping www.baidu.com”查看是否连接成功。

如网络配置成功，则"sudo apt-get updata"更新一下。

 

最后，因为linux系统无法update更新内核和gcc,，所以可以择性更新kernel和gcc，最新版本（2018年3月）已打包。

 

3.2 CUDA安装

注意如果安装有误会有“LoginLoop”、“X service is running”、“couldn't communicate with the NVIDIA driver”等麻烦问题！

 

以下就是安装步骤： 

虽然有点问题没成功，不过先贴出一种推荐安装cuda和cudnn的流程步骤，之后再贴出本人的安装方法：

1）同时按住”CTRL+ALT+F1”打开”Virtual Terminal”

2）输入如下命令：

sudoservice lightdm stop

cd cuda安装所在路径（e.g./home/***/apps）

sudobash cuda_9.0.176_384.81_linux.run

3）如果上述安装方法失败，输入如下命令；否则转入4）步骤：

sudo mv/etc/X11/xorg.conf etc/X11/xorg.conf.old

sudotouch /etc/X11/xorg.conf

4）输入”sudo gedit/etc/profile”，打开gedit，最后两行输入：

exportPATH=/user/local/cuda-9.0/bin:$PATH

exportLD_LIBRARY_PATH=/user/local/cuda-9.0/lib64:$LD_LIBRARY_PATH

保存退出，换进变量配置完成。

5）重启电脑（sudo reboot），重复2）步骤的三个指令

6）输入”nvida-smi”检查是否安装成功，若显示关于GPU的一些参数，则安  装成功。

（参考https://codeyarns.com/2015/09/25/how-to-install-cuda-7-5-on-ubuntu/）

 

如安上述安装还有问题，则可能是显卡驱动版本过低问题，参照如下。

问题显示：

1）安装显示成功：

 

2）输入"nvidia-smi"后提示错误如下：

 

3）解决办法：

进NVIDIA官网下载最新N卡驱动，步骤如下：

官网下载

手动搜索显卡型号，型号如图

 

下载好后（默认是Downloads文件夹下）,然后执行以下操作：

    1） 终端输入命令"sudo service lightdm stop"（此步为关闭X service服务，很重要！！！）

    2） 同时按住"Ctrl + Alt +F1"，进入命令输入模式，此时可以查看一下进 程（"ps -e|more"），看是否有X service进程执行，有的话就kill掉；

    3） 输入命令" sudo apt purge "nivdia*"，删除所有NVIDIA及Driver；

    4）进入"Downloads"文件夹，安装最新版本的N卡驱动， 一定要在安装驱动的命令后加上--no-opengl-files， 否则会出现循环登陆的现象！例：sudo nvidia.run --no-opengl-files。

 

全部成功后执行命令"sudo reboot"重启操作，在确保不会有login loop（登录界面循环）问题情况下执行如下操作检验CUDA是否安装成功：

1）同时按住"Ctrl + Alt +F1"，进入命令输入模式；

2）输入命令"nvidia-smi"。

若安装成功则显示如下图：

成功如图显示

 

3.3 cuDNN安装

安装cuDNN（DNN加速器）步骤如下：

1）到Nvidia的官网https://developer.nvidia.com/cudnn注册并下载cuDNN（我的版本：cudnn-9.0-linux-x64-v7.tgz）

 

官网下载相应最新版本

注意：下载"cuDNN v7.0.6 Linrary for Linux"，不要下Developer和Power8的版本！

 

2）将cuDNN中lib64和include两个文件夹中的文件复制到cuda安装路径下对应的lib64和include文件夹下，执行以下命令：

tar -xzvfcudnn-9.0-linux-x64-v7.tgz （解压cuDNN）

cp cuda/lib64/*/usr/local/cuda-9.0/lib64

cpcuda/include/cudnn.h /usr/local/cuda-9.0/cudnn.h

 

以上为CUDA和cuDNN安装步骤，环境搭建完成。

 

3.4 conda安装

1)       到Anaconda官网https://www.anaconda.com/download/#linux下载Python3.6版本的conda，如果系统位数为32位则需要在Download下面的链接里选取合适的文件下载，如下图

Anaconda

2)       在/Download文件夹下打开terminal，然后执行bash Anaconda3-5.1.0-Linux-x86_64.sh 按提示安装即可。

3.5 安装Pycharm

1)       到pycharm官网 https://www.jetbrains.com/pycharm/download/#section=linux下载Community版本的Pycharm。

2)       将/Downloads下的.tar.gz文件剪切到想要安装Pycharm的位置。

3)       在该位置提取.tar.gz文件。

4)       提取文件后，到提取到的/bin文件夹，打开终端，运行sudo ./pycharm.sh 按照提示即可安装Pycharm。在运行Pycharm时，可以右键单击左边Launcher的Pycharm图标，选择lock from Launcher，将图标固定到Launcher。

5)       运行Pycharm，选择File-Settings-ProjectInterpreter，在右侧ProjectInterpreter下拉菜单里选择刚才安装的conda的解释器，默认路径在 ~/conda3/bin/python下，如图。

6)       选择上图右侧绿色圆形的图标，UseConda Package Manager即可看到Conda自带的packages，若想自己添加package，如tensorflow、keras、pytorch等，选择上图右侧绿色加号，在对话框里输入package的名字点击下面Install package即可，如下图。