ubuntu17.10 安装CUDA

sudo apt-get update

sudo apt-get upgrade

<a></a>

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：

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。

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。

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：

<code>mv</code> <code>/lib/modules/3</code><code>.0.0-12-generic</code><code>/kernel/drivers/gpu/drm/nouveau/nouveau</code><code>.ko </code><code>/lib/modules/3</code><code>.0.0-12-generic</code><code>/kernel/drivers/gpu/drm/nouveau/nouveau</code><code>.ko.bak</code>

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。

获取显卡的硬件信息：

<code>lspci -vnn | </code><code>grep</code> <code>VGA -A 12</code>

然后拿着型号，去官网下载即可。貌似需要注册个帐号。

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。

<code>sudo</code> <code>telinit 3</code>

进入命令行模式。如果想进去X Windows的话，把3改为5即可。

官网下载的文件，后缀应该是bundle。赋执行权限：

<code>sudo</code> <code>chmod</code> <code>+x $name</code>

<code>sudo</code> <code>./$name</code>

重启。查看驱动。

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）

如果下载的是run文件，直接运行即可。

<code>sudo</code> <code>apt-get </code><code>install</code> <code>gcc</code><code>-5</code>

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。

<code>sudo</code> <code>apt-get </code><code>install</code> <code>linux-headers-$(</code><code>uname</code> <code>-r)</code>

<code>sudo</code> <code>dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb</code>

<code>sudo</code> <code>apt-key add </code><code>/var/cuda-repo-</code><code>&lt;version&gt;</code><code>/7fa2af80</code><code>.pub  &lt;version&gt;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；</code>

<code>sudo</code> <code>apt-get update</code>

<code>sudo</code> <code>apt-get </code><code>install</code> <code>cuda</code>

写入到 ~/.bashrc 的尾部:

<code>export</code> <code>PATH=</code><code>/usr/local/cuda-9</code><code>.0</code><code>/bin</code><code>:$PATH</code>

<code>export</code> <code>LD_LIBRARY_PATH=</code><code>/usr/local/cuda-9</code><code>.0</code><code>/lib64</code><code>:$LD_LIBRARY_PATH</code>

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

安装好后，&lt;dir&gt;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：

<code>sudo</code> <code>nvidia-smi</code>

可以看到gpu的各种信息。

<code>tar</code> <code>-xzvf cudnn-9.0-linux-x64-v7.tgz</code>

<code>sudo</code> <code>cp</code> <code>cuda</code><code>/include/cudnn</code><code>.h </code><code>/usr/local/cuda/include</code>

<code>sudo</code> <code>cp</code> <code>cuda</code><code>/lib64/libcudnn</code><code>* </code><code>/usr/local/cuda/lib64</code>

<code>sudo</code> <code>chmod</code> <code>a+r </code><code>/usr/local/cuda/include/cudnn</code><code>.h</code>

<code>sudo</code> <code>chmod</code> <code>a+r </code><code>/usr/local/cuda/lib64/libcudnn</code><code>*</code>

本文转自 jiu~ 博客园博客，原文链接：http://www.cnblogs.com/jiu0821/p/8410178.html，如需转载请自行联系原作者