Ubuntu18.04.1 深度学习配置 GPU环境配置
Ubuntu18.04.1 深度学习配置 GPU环境配置（真实机，而非虚拟机）
- Ubuntu18.04.1、Cuda 9.1、cuDnn 7.0、anaconda3.5.0、Tensorflow1.8.0、Pycharm配置
说明
对于一些数据量很大的神经网络的运算，使用CPU训练速度很慢，所以使用GPU可以很大程度上加速网络的训练。
本篇博文大部分根据https://blog.****.net/weixin_41863685/article/details/80303963这位博主，写的非常详细，基本上照着可以一次安装成功。我在安装过程中有一些跟他不一样的地方(不知道是电脑的原因还是怎么回事)。记录下来，方便下次安装。
1、硬件与软件版本
显卡：GeForce GTX 1080 Ti * 2
CPU：Inter Core i7-6850K
系统：Ubuntu18.04.1
cuda：9.0版本
cuDnn：v7
anaconda：3.5.0版本
Tensorflow：1.8.0版本
Pycharm：下载最新的即可。
2.Nvidia 显卡驱动安装
使用的是ppa源安装的方式。
2.1 删除旧的驱动
原来Linux默认安装的显卡驱动不是Nvidia的驱动，所以应该先把旧的驱动卸载掉。
# 删除
sudo apt-get purge nvidia*2.2 禁止自带的nouveau nvidia 驱动
进入到 /etc/modprobe.d 目录下，看有没有blacklist.conf文件，如果有的话使用下面的命令；
#打开配置文件
sudo gedit /etc/modprobe.d/blacklist.conf
如果你的Ubuntu系统中没有 gedit 编辑器，有 vim 编辑器，使用下面的命令。
sudo vim /etc/modprobe.d/blacklist.conf
如果没有上面的blacklist.conf文件,应该会有blacklist-nouveau.conf 文件，使用下面的命令；
#打开配置文件
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
如果你的Ubuntu系统中没有 gedit 编辑器，有 vim 编辑器，使用下面的命令。
sudo vim /etc/modprobe.d/blacklist-nouveau.conf上面主要是需要打开配置文件，运行上面命令后，会弹出一个文本文件如下图所示。
在这个文件的最后一行填写禁止配置内容。
blacklist nouveau
options nouveau modeset=0填写后下图所示。
更新配置文件
sudo update-initramfs -u最后需要进行重启重启之后，因为禁止了显卡的驱动，所以重启后显示的效果很不好，通过这个可以看出，是否完成这一步操作。
2.3 添加Graphic Drivers PPA
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update查看合适的驱动版本：
ubuntu-drivers devices如下图所示：
从图中可以看出可以选择的驱动版本，在这里选则最高的版本415(也是recommended 版本)。通过如下命令进行安装，安装完成后重新启动。（安装过程有慢）
# 安装
sudo apt-get install nvidia-driver-396
# 重启
sudo reboot安装完成后，通过如下命令检测是否安装成功.
sudo nvidia-smi如果成功会显示下图所示。
继续输入如下命令：
sudo nvidia-settings显示下图，则说明安装成功。
完成显卡驱动安装。
3.cuda 9.0 安装
3.1 下载文件
首先在官网下载run文件，如图所示，选择适合的run文件。下载地址：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal
3.2 安装依赖库
在下载完成后在运行这个run文件之前先安装依赖库，也不知道是干什么用的。反正给他安装了，再往下进行。
看的这个教程。https://blossomnoodles.github.io/cnBlogs/2018/04/30/Ubuntu18.04-Tensorlow-install.html
# 依赖库安装
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev但不做这步直接运行run文件会出现如图所示
3.3 gcc降低版本
CUDA9.0要求GCC版本是5.x或者6.x，其他版本不可以，需要自己进行配置，通过以下命令才对gcc版本进行修改。
#查看版本
g++ --version
# 版本安装：
sudo apt-get install gcc-5
sudo apt-get install g++-5通过命令替换掉之前的版本：
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 503.4 安装cuda
3.5 环境配置
3.6 测试是否安装成功
4. cuDnn v7 安装
4.1 cuDnn v7 下载
4.2 安装
4.3 测试是否安装成功
5. anaconda 3.5.0 安装
6.Tensorflow 1.8.0 安装
7.Pycharm 安装