本文档详细介绍了在Ubuntu18.04上配置CUDA9.0、cuDNN7.1.3、TensorFlow以及相关依赖的步骤，包括显卡驱动配置、GCC降级、Anaconda安装、TensorFlow和Keras/Opencv的安装。此外，还提供了Pycharm的安装和Jupyter配置的指导。
目录
参考：
Ubuntu18.04+CUDA9.0+cuDNN7.1.3+TensorFlow1.8 安装总结
迫不及待的想在Ubuntu 16.04 安装 NVIDIA CUDA Toolkit 7.5并安装gromacs5.1.2看这里
TensorFlow安装(Ubuntu18.04+Anaconda3+CUDA9.0+cuDNN7.1+TensorFlow1.8.0+Pycharm)
【ubuntu-18.04】ubuntu18.04进行Nvidia显卡配置
显卡配置
弄显卡驱动弄了很久，主要是因为网上的解答良莠不齐且版本并不适合。套路比较深。以下我的解答可能不具有普适性，仅供参考！
本人双显卡，intel集成显卡和GTX860M独立显卡。
1.首先解释一个东西：
查询显卡信息发现GTX860显示3DController，这种渲染方式下，一般显示使用intel集成显卡，3D渲染时使用独立显卡。因此按照网上的一些方法，在终端查询lspci | grep -i vga 只有一张intel集成显卡，如果有双显卡的同学不要以为自己的独立显卡坏了。。查询3d显卡时就可以显示自己的N卡了。
steven@steven-Lenovo-Y50-70:~$ lspci | grep -i vga
00:02.0 VGA compatible controller: Intel Corporation 4th Gen Core Processor Integrated Graphics Controller (rev 06)
steven@steven-Lenovo-Y50-70:~$ lspci | grep -i 3d
01:00.0 3D controller: NVIDIA Corporation GM107M [GeForce GTX 860M] (rev a2)
2.显卡驱动配置
网上有些攻略非常非常复杂，又要禁用nouveau驱动，又要进入控制台，又要加载源什么什么的。发现高了半天，网卡驱动还是没装上去，系统重装了好几遍。
其实很简单，简单来说和把大象放冰箱是一个道理
在ubuntu18.04刚安装时，双显卡的同学设置->详细信息中显卡默认为Intel集成显卡。
第一步：（最重要）禁用自己的secure boot，也就是设置为disable，具体的进入自己bios中找一下，一般在security或者boot里面。
第二步：进入终端输入两条命令
steven@steven-Lenovo-Y50-70:~$ ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
解释一下：第一条命令是查看显卡设备和显卡驱动，第二条命令是自动安装合适显卡驱动
第三步：重新启动吧，然后在应用中找到nvidia setting，如果出现这样的界面，就说明Nvidia显卡驱动安装成功
在Prime profiles里面可以看到两张显卡
在右上角的设置->详细信息 可以看到此时的显卡已经切换为Nvidia
这样就可以了。尽情的享受ubuntu18.04吧。
确认硬件软件环境、版本
系统版本，Ubuntu18.04 自然没什么好说的， 使用指令sudo lsb_release -a ，得到以下输出结果
GCC和G++ 版本，18.04的ubuntu默认的是7.0，同时也有附带安装6.0，不过我们这次安装需要更低版本的GCC以及G++
gcc --version #查看GCC版本号 gcc (Ubuntu 7.0 -4ubuntu8) 7.0
g++ --version #查看G++版本号 g++ (Ubuntu 7.0-4ubuntu8) 7.0
我选择采用的是4.8版本gcc和g++，后面给出降级方法。
英伟达显卡驱动版本， 使用nvidia-smi 可以得到相关信息，我使用的是GTX1080显卡，驱动已经更新到390.48版本。
表头释义：
Fan：显示风扇转速，数值在0到100%之间，是计算机的期望转速，如果计算机不是通过风扇冷却或者风扇坏了，显示出来就是N/A；
Temp：显卡内部的温度，单位是摄氏度；
Perf：表征性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能；
Pwr：能耗表示；
Bus-Id：涉及GPU总线的相关信息；
Disp.A：是Display Active的意思，表示GPU的显示是否初始化；
Memory Usage：显存的使用率；
Volatile GPU-Util：浮动的GPU利用率；
Compute M：计算模式；
Python 版本， 使用python -V 查看相关信息。
GCC降级
CUDA 9.0 只支持gcc/g++ 5和6的版本，ubuntu18.04默认gcc/g++7需要降级
查看gcc/g++版本
gcc --version
g++ --version安装gcc/g++ 5（会默认安装5.5版本）
sudo apt-get install gcc-5
sudo apt-get install g++-5装完后进入到/usr/bin目录下
ls -l gcc*会显示以下结果
lrwxrwxrwx 1 root root 7th May 16 18:16 /usr/bin/gcc -> gcc-7.0发现gcc链接到gcc-7.0, 需要将它改为链接到gcc-4.8，方法如下：
sudo mv gcc gcc.bak #备份
sudo ln -s gcc-5 gcc #重新链接同理，对g++也做同样的修改：
ls -l g++*
lrwxrwxrwx 1 root root 7th May 15:17 g++ -> g++-7.0需要将g++链接改为g++-4.8：
sudo mv g++ g++.bak
sudo ln -s g++-5 g++再查看gcc和g++版本号：
gcc -v
g++ -v均显示gcc version 5.5 ，说明gcc 48.8安装成功。
CUDA ToolKit 安装
CUDA 到CUDA9.0 下载页面下载runfile(最近NVIDIA官网被停)安装，Tensorflow官网给的暂时还是9.0版本,新版本可以尝试一下
稳妥起见，这里选择9.0。
下载9.0安装包和2个补丁包之后，
～/下载 文件夹应该有 以下三个文件
ls |grep cuda_9.0
cuda_9.0.176.1_linux.run
cuda_9.0.176.2_linux.run
cuda_9.0.176_384.81_linux.run
在确认GCC版本在4.8后， 直接输入以下指令
sh cuda_9.0.176_384.81_linux.run --override执行，如果有安装了显卡驱动的，注意在提问是否安装显卡驱动时选择no,其他 选择默认路径或者yes即可。 如果没有安装显卡
驱动，需要退出图形界面，到命令行终端安装，这里不再赘述。
安装完成后，可能会得到提示，CUDA 安装不完整，这是因为显卡驱动没有安装，这里忽略掉。同样的方法安装两个补丁包.
sh cuda_9.0.176.1_linux.run
sh cuda_9.0.176.2_linux.run安装完毕之后，将以下两条加入.bashrc文件中
echo 'export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc
source ~/.bashrc
cuDNN7.1.3安装
cuDNN 到 cuDNN 官网页面下载即可，这里注意要选择对应CUDA9.0的软件包， 下载完毕后，切到默认的Downloads文件夹，
可以看到 cudnn-9.0-linux-x64-v7.1.tgz 压缩包
先解压，后复制到CUDA安装文件夹里面
tar zxvf cudnn-9.0-linux-x64-v7.1.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 /usr/local/cuda/lib64/libcudnn*完成后，可以到～/NVIDIA_CUDA-9.0_Samples/文件夹下测试CUDA功能完整性
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
Tensorflow 安装
1.安装pip
(1)安装
sudo apt-get install python3-pip python3-dev
(2)查看pip是否安装成功
pip3 -V
2.安装Anaconda
(1)下载安装包
国内建议从https://mirrors.tuna.tsinghua.edu.cn下载Anaconda3-5.2.0，该版本默认使用python3.6，3.7版本还不支持tensorflow
(2)在下载目录执行以下命令
bash Anaconda3-5.2.0-Linux-x86_64.sh
(3)一路同意，默认安装路径为
/home/rock/anaconda3
(4)检查是否安装成功
conda --version （作用：查看当前Anaconda的版本）
(5)切换清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes# 设置搜索时显示通道地址
conda config --setshow_channel_urls yes最后查看一下:
vi ~/.condarc切换Anaconda源的方法
最近由于某些因素清华的conda镜像登不上去了，所以需要换回conda的默认源。查看了conda config的文档后，发现直接删除channels即可。命令如下：
conda config --remove-key channels或者在主目录下ctrl+H，在.condarc文件中直接添加更换等
3.安装Tensorflow
(1)创建tensorflow环境：
conda create -n tensorflow python=3.6(2)激活tensorflow环境：
source activate tensorflow(3)安装tensorflow
pip3 install tensorflow-gpu==1.8.0(4)验证是否安装成功
#激活tensorflow环境
source activate tensorflow #启动python环境
python#验证TensorFlow是否安装成功
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))keras/opencv安装
使用Anaconda创建的tensorflow环境需要用conda安装用pip会找不到
安装keras
$ conda install keras安装opencv
windows:
conda install -c https://conda.binstar.org/menpo opencv
linux:
conda install opencv 附加：安装Pycharm
(1)从官网下载安装文件，解压到/home
https://www.jetbrains.com/pycharm/download/#section=linux
(2)进入解压文件夹，执行pycharm.sh
sudo pycharm.sh
(3)修改 hosts 文件
打开/etc/hosts,在文件末尾添加 0.0.0.0 account.jetbrains.com
(4)最新注册码获取方式
http://idea.lanyus.com/
(5)新建项目，将解释器换为tensorflow的
jupyter配置
利用Anaconda搭建TensorFlow环境并在Jupyter Notebook使用
Win10 Anaconda下配置tensorflow+jupyter notebook环境
按完Pycharm后jupyter的默认工作空间会变成在Pycharm下，修改工作空间办法：
查看配置文件的路径
jupyter notebook --generate-config --allow-root 修改配置文件（输入i以后就可以正常进行编辑）
$ gedit 上一步看到的路径/.jupyter/jupyter_notebook_config.py打开jupyter_notebook_config.py后,找到如下文字： ## The default URL to redirect to from `/`
#c.NotebookApp.default_url = '/tree'
将其修改为：
## The default URL to redirect to from `/`
c.NotebookApp.default_url = '/tree/lowme'
此时，Jupyter notebook的默认目录路径就变成了/home/lowme, 即Users/lab/lowme
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
