前言

這兩天由于種種原因，反復重裝系統并配置了深度學習開發環境，無意中便總結了一份環境配置指南出來，所幸再稍加整理，和大家分享出來。
本指南確認無誤的環境是：
系統是Ubuntu16.04
GPU是NVIDIA GTX1070
CUDA安裝8.0和9.0均可

一、重裝系統、配置網絡

這個就不必多說了，首先重裝好系統
然后配置好網絡：配置ip，網關等，確保可以上網即可。

二、安裝必備工具:

根據自己的需求，安裝一些必要工具

更換國內源
參考教程

更新
$ sudo apt-get update

安裝vim
$ sudo apt-get install vim

安裝ssh
$ sudo apt-get install openssh-server
運行ssh：
$ sudo service ssh start

安裝傳輸工具rzsz
sudo apt-get install lrzsz

三、安裝CUDA

為了安裝nvidia驅動，我們首先需要禁用Ubuntu系統自帶的驅動nouveau

測試nouveau是否正在運行，有輸出則代表nouveau正在加載
$ lsmod | grep nouveau

將nouveau加入黑名單，禁用nouveau
$ sudo vi /etc/modprobe.d/blacklist.conf
加入下面的內容
blacklist nouveau
執行命令更新狀態
$ sudo update-initramfs –u

重啟，然后查看是否禁用成功
$ reboot
$ lsmod | grep nouveau
如果無任何輸出，說明禁用成功（登陸過程中，如果發現字體變大，其實就說明禁用成功了）

禁用成功后準備安裝CUDA，首先到官網下載好對應版本的安裝文件

現在切換到命令行界面，按下Alt + Ctrl + F1

首先關閉圖形界面
$ sudo service lightdm stop

如果安裝了驅動，則刪除已有的nvidia驅動
$ sudo apt-get remove --purge nvidia*

安裝CUDA9.0（CUDA8.0的安裝完全一致）
sudo sh cuda_9.0.176_384.81_linux.run
cuda_9.0.176_384.81_linux.run里面自帶NVIDIA驅動384.81，按照提示默認安裝即可。
不需要像網上的某些教程說的那樣CUDA和驅動分開裝，不確定的選項就按默認提示選擇即可。

可能出現的錯誤：

The driver installation is unable to locate the kernel source
原因：內核版本過高
解決方案1：參考這篇博客https://blog.csdn.net/lewif/article/details/79625151，（我沒有試過，需要自行確認是否可行）
解決方案2：重裝系統，我當時就是這樣暴力的解決問題的，簡單有效。。。

nouveau相關問題
原因：禁用沒有成功，請確認是否完全按照上面的介紹進行

可以通過以下命令確認安裝是否成功，以及版本是否正確
顯示顯卡驅動信息命令
$nvidia-smi
查看NVIDIA驅動的版本
$ cat /proc/driver/nvidia/version
檢查CUDA的版本
$ cat /usr/local/cuda/version.txt

一切順利的話，恢復圖形界面
$ sudo service lightdm start

設置環境變量
在/etc/profile結尾添加如下兩句
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64

查看cuda是否安裝成功
$ source /etc/profile
$ nvcc -V

2020/4/19 補充：
今天又裝了個Ubuntu 18.04，又踩了些坑
發現18.04還是驅動，CUDA分開裝比較簡單
驅動也不需要像上面介紹的那樣先禁用nouveau，再裝新驅動，一行命令就能搞定：
$ sudo ubuntu-drivers autoinstall
詳見How to install the NVIDIA drivers on Ubuntu 18.04 Bionic Beaver Linux

四、安裝cudnn

下載cudnn，
去官網下載cudnn，或者在網上下載，網上資源也很多
注意下載的cudnn的版本需要與CUDA的版本是對應的

安裝cudnn
首先解壓出名為cuda的目錄，然后執行命令：
$ 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*

五、安裝Anaconda

$ bash Anaconda相應版本.sh

六、安裝tensorflow

安裝tensorflow很簡單，僅僅需要注意安裝的版本是否合適！
確認安裝的是GPU的版本，如果你有GPU的顯卡
確認tensorflow版本與CUDA是否匹配
$ pip install tensorflow-gpu==1.6

注1：CUDA9.0 與 tensorflow1.6 以上是對應的，如果是CUDA8.0，建議裝tensorflow1.2

在python中 import tensorflow as tf 測試安裝是否成功

注2：如果無法拿到線上機root權限，上述的cudnn安裝方法無法完成。
此時，import tensorflow 會報錯：ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory
替代解決方案是將所需的libcudnn.so.7拷貝到anaconda的lib目錄下，這樣tendorflow也能找到對應的文件

七、安裝opencv

自動下載安裝opencv
$pip install opencv-python

或者手動下載whl文件安裝：
$pip install opencv-python相應版本.whl

安裝opencv后，import cv2進行測試

如果遇到了報缺少lib的錯誤，只需找到對應的lib，將文件拷貝到Anaconda路徑/lib下即可

尋找lib的方式有兩種：
1.如果你的其他機器并不會報錯，那這臺機器一定有你需要的lib文件，試試看/usr/lib64/或者其他地方有沒有你想要的文件
2.去網上下載

總結

以上是生活随笔為你收集整理的GPU环境配置指南（Ubuntu16.04+CUDA+CUDNN）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。