ubuntu14.04+nvidia driver+cuda8+

2016-12-01 本文已影响1332人南墙已破

1.安装环境简介:

硬件:

cpu：i7 6700k
gpu：gtx 1070
内存：32g

系统:Ubuntu 14.04

安装在一块移动硬盘上_{为啥不装双系统呢?不爽}！移动硬盘上装Ubuntu的一个坑是装之前需要确认你的盘是否是4k对齐。你不确认也行，反正它死活都不让你装~。
系统语言选的是English，不推荐中文，在shell里面输入中文路径是一件万分不爽的事儿。
环境就这样，很纯洁

注意:此时我的显示屏连接线是连在主板上的，因为系统刚装好gpu还没有驱动。

正式安装之前请先看一下cuda开发库的支持信息。Ubuntu14.04装完不用干啥，满足要求。

cuda8安装环境支持对照表

2.装显卡驱动

恩，虽然我一直以官方文档为准。但是装这个驱动，算了，还是参考先驱的经验吧。以下三个链接，第一个链接是官网的文档，我主要参考第二个和第三个。

(1)https://docs.nvidia.com/deploy/driver-persistence/index.html
(2)http://wxhp.org/ubuntu-install-nvidia-official-drivers.html
(3)http://wiki.ubuntu.org.cn/NVIDIA

参照第二个链接安装过程中出现提示说：将要安装程序为32位，将不安装任何东西balalala...（-_- || 吓死宝宝了，不管了继续吧）。安装过程一路yes，没有碰见说要从网上下载modules的那个提示，所以就没有选no。安装完了之后，pa~提示：kernel Error ...balabala....（|_| 感觉世界没有爱了，花了那么长时间换来的就是全特么是error）。
安装完了，sudo start lightdm（心如死灰），输入登录密码，果然~_{还是跳回了登录界面。谷歌ubuntu输入密码返回登录界面，按照排名靠前的几个解决方案看了看，完全没什么卵用，因为我的文件权限和所属用户、用户组都是正确的。好吧，，，还是去查看启动日志吧}
查看cat ~/.xsession-errors，错误提示说：gnome session 启动失败。这是什么鬼提示嘛，还是没什么卵用。只知道gnome这个东西没起来。捋一捋系统启动流程，想到gnome是个桌面管理程序，既然我在其他run level里面能够成功使用账户名密码登录，说明起码系统没坏，在这个gnome程序里面却进不去，是不是gnome在启动什么东西的时候失败了，联想到我之前卸了旧驱动，装了显卡新驱动，而且我把显示器的HDMI插头接到了主机的主板上，不是显卡上的HDMI接口。OK，猜想：是不是gnome想要启动显示器，但是呢系统现在默认使用的gragphic是NVIDIA，我却把HDMI插头接口放在了intel集成显卡的接口上，而intel集成显卡又没启用，所以失败了。。。死马当活马医，关机，换到NVIDIA插口上，启动，输入密码~~~~艾玛，进去了。
在换插口前我还运行了两条命令
sudo apt-get --purge remove nvidia-* sudo apt-get --purge remove xserver-xorg-video-nouveau
这两条命令运行完之后，我还是没法登录进系统。我粗略看了下执行是显示的内容，貌似没有卸载啥东西。所以就不知道我运行的这两条命令将来会产生什么影响，反正现在是进系统了，下一步准备安装cuda7.5和cuDnn。
2016.10.08

3.安装cuda7.5(可跳过此部分，这是本安装记录的旧版本)

环境检查（给予Ubuntu，其他系统环境查看这里的说明）

检查系统是否有相关环境.png

2016年11月19日

一个多月过去了，之前驱动装完就放下了。刚开始其实不用一定非得要装gpu版本的，在虚拟机里面装了个cpu版本的做做实验也OK。看了一些神经网络相关的论文，做了些实验后，现在觉得虚拟机不够用了。这才回来安装GPU版本的tensorflow。
一个多月，tensorflow官网已经默认支持最新的cuda toolkit 8.0，而且window平台也开始逐步支持了。废话不多说，开始吧～

4.安装cuda8.0

此部分内容与第三步同样是按照官网的教程使用的。官网文档请走这里。

官方文档里面包含九个章节，分别是：

引入
装前检查，确定依赖环境等
安装包管理
安装文件
交叉平台安装（目前只支持Ubuntu）
安装后注意事项
高级设置
常见问题
其他注意事项

黑体部分为本安装记录会涉及到的，其他部分如有需要自取。

装前检查，确定依赖环境等
相关命令:

lspci | grep -i nvidia 
uname -m && cat /etc/*release
gcc --version
uname -r
sudo apt-get install linux-headers-$(uname -r)

检查系统是否有相关环境

1.1 安装与内核版本一致的相关包
相关命令:sudo apt-get install linux-headers-$(uname -r)

安装与内核版本一致的相关包

ps: 参考官方文档的2.1～2.4 , 2.7节

4.安装文件
安装文件可选方式有两种，一种是distribution-specific packages安装包，一种是distribution-independent package。有啥区别呢?就是后一种是.sh结尾的文件，可以在一些不常用的Linux平台上安装，但是包管理器可能不支持更新升级，安装起来也比较麻烦。前一种可以通过包管理器本地安装或在线安装，安装升级方便。在官网下载的时候就能看到下载包的区别，如下图所示,第一个runfile个人不建议下载安装。下载第二个安装。

cuda安装包选择

下载好后改变bash路径到cuda-repo-<distro><version><architecture>.deb文件所在的目录，然后依次执行如下命令

sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb
sudo apt-get update
sudo apt-get install cuda

一切都很顺溜~～注意第一条命令不要直接复制就运行了，替换成你下载的文件名。
ps: 参考官方文档的2.5,3.6节

6.安装后注意事项
6.1 把路径/usr/local/cuda-8.0/bin加到环境变量中去。
在/etc/profile 文件的末尾加了如下语句:
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
保存后别忘了source /etc/profile一下。
6.2 安装cuda的测试脚本
cuda-install-samples-8.0.sh <dir> <dir>为一个当前用户具有读写权限的目录，我运行的命令如下:cuda-install-samples-8.0.sh ~
看一下当前目录，多了个NVIDIA_CUDA-8.0_Samples的文件夹

查看Samples

6.3 编译例子程序测试是否安装成功
把当前目录切换到刚才那个目录文件下
cd ~/NVIDIA_CUDA-8.0_Samples
再执行命令
make
哗啦哗啦~好多输出。这时候你再开一个shell窗口，切换到目录~/NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release
看看文件数量是不是在增长，可以通过如下命令统计当前目录文件数量ll | wc -l。我编译完成后一共是160个文件。

文件计数

6.4 运行编译后的二进制文件

切换到目录~/NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release下，运行如下脚本./deviceQuery。运行结果什么呢?失败_{反正我安装完后执行这个脚本是失败了,失败的界面没截图}~我就不重现它了。
我没有急着卸载重装，回想所有安装步骤都没问题，于是有了终极解决方案:重启~～。对，没看错就是重启_{重启一下运行刚才这个命令会出现如下所示界面，恭喜你成功了}

cuda安装测试
上图中主要看两个地方，一个是看有没有检测到你的显卡，也就是Device 0: "GeForce GTX 1070"的那一行。还有就是最后一行Result = PASS

再运行一个测试脚本``

第二个测试

PS：出错的时候网上查了下，有人说不要使用deb的文件安装。但是一想毕竟按照官方文档一步一步下来没有错，我也不想再折腾。开始想看一下是不是源码有问题，粗略看了下，好像没啥问题(其实是看不懂)，重启就是死马当活马医~

ps: 本节参考了原文的6.1.1 , 6.2.1 , 6.2.2.2 和 6.2.2.3小节。

5.安装cuDNN v5.1

这个最简单，按照tensorflow官网的教程来就行，不用按照cuDnn的文档来。

下载cudnn
https://developer.nvidia.com/cudnn
把压缩文件解压到cuda toolkit的安装目录，默认是/usr/local/cuda。首先把当前目录切换到/usr/local/cuda，然后运行如下相关命令:

tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz
sudo cp -P cuda/include/cudnn.h /usr/local/cuda/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

6.tensorflow安装方式

我基本上所有方式都尝试过了，这次我选择anaconda的安装方式。

anaconda官网下载:https://www.continuum.io/downloads
我选的是python3.5 64位的Linux版本
下载好后，用命令bash bash Anaconda3-4.2.0-Linux-x86_64.sh装就好了。
中间要你输入enter就敲一下回车，遇到more的时候就按空格键，遇到选yes或no，统统选yes就好。
装完之后，记得要么重启一下，要么shell里面运行source ～/.bashrc就好。然后输入which python看一下路径中是不是包含在anaconda的安装目录，是就对了。

python

哦对了，你会发现如果你运行sudo python的时候，还是用的系统自带的python。解决办法嘛可以重建默认python的软连接到anaconda里面的python。也可以编辑/etc/profile，把anaconda的bin目录加到path里面去。

参考

2.安装tensorflow
直接上命令清单，一行一行运行就好。有特殊需求找官网去。

conda create -n tensorflow python=3.5
source activate tensorflow
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-linux_x86_64.whl
pip install --ignore-installed --upgrade $TF_BINARY_URL

注意最后一行和官网不一样，官网是pip3 install --ignore-installed --upgrade $TF_BINARY_URL。它用的是pip3，我没装上，换成pip就好。细心的话会发先不是python2.x采用pip么?你装的python3.5怎么用pip呢?我也，不知道，反正就是装上了~python的库基本上都支持python3了，估计也没必要搞个pip3了。

7. 运行点代码试试

输入图片中红色框住的或指向的就行，其他的忽略。目的就是计算一个e的5次方。

例子

8. 其他

shell窗口使用的是terminator，窗口多开，调节大小挺方便的。
git+pycharm+anaconda+jupyter
关于pycharm设置什么远程调试啊，代码部署啊什么的，如果有需要，回头再写。

完事儿~～