Ubuntu16.04+cuda8.0+cuDNNV5.1+Tensorflow+GT840M安装小结

最近重装系统，安装了tensorflow的配置环境

总结一下。

参考资料

http://blog.csdn.net/ZWX2445205419/article/details/69429518

http://blog.csdn.net/u013294888/article/details/56666023

http://www.2cto.com/kf/201612/578337.html

http://blog.csdn.net/10km/article/details/61915535

第一步 安装NIVDIA驱动

1.0 关闭secure boot；

这一步是最关键的，否则后面都无法安装！！！！ 

1.1 查询Nvidia显卡驱动信息

查看显卡的型号

lspci | grep -i vga

lspci | grep -i nvidia

然后看显卡驱动

lsmod | grep -i nvidia

#查看你的系统信息

uname -m && cat /etc/*release

# 查看核

uname -r

# 为当前核安装kernel headers和development packages

sudo apt-get install linux-headers-$(uname -r)

1.2拉黑nouveau

ubuntu自带的nouveau驱动会影响cuda安装，不当操作会导致黑屏和登陆循环

终端中运行：

lsmod | grep nouveau  

如果有输出则代表nouveau正在加载。

关闭方法

创建vim /etc/modprobe.d/blacklist-nouveau.conf，

写入：

blacklist nouveau

options nouveau modeset=0

拉黑nouveau这个显卡驱动，需要编辑配置文件并添加配置参数：按Ctrl+Alt+T打开终端，输入以下命令（#开头的内容是注释不会被执行）：

sudo gedit /etc/modprobe.d/blacklist.conf # 用gedit编辑器打开配置文件

在文件末尾追加如下内容：

blacklist nouveau

 

1.3 卸载之前安装的Nvidia显卡驱动安装

sudo apt-get remove –purge nvidia-* 

1.4 安装NVIDIA驱动

在ubuntu16.04中，更换驱动非常方便，去

系统设置->软件更新->附加驱动->切换到最新的NVIDIA驱动即可。应用更改->重启

验证安装是否成功

终端输入nvidia-smi

如果出现了你的GPU列表，则说明驱动安装成功了。

另外也可以输入nvidia-settings

出现安装驱动完成

第二部 安装CUDA 8.0

2.1 命令行安装.run文件

下载地址 https://developer.nvidia.com/cuda-toolkit-archive

 

sudo sh cuda_8.0.61_375.26_linux.run

安装过程：

Do you accept the previously read EULA?

accept/decline/quit: accept

 

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?

(y)es/(n)o/(q)uit: n(这一步选择n，其他选择y或者按enter)

 

Install the CUDA 8.0 Toolkit?

(y)es/(n)o/(q)uit: y

 

Enter Toolkit Location

 [ default is /usr/local/cuda-8.0 ]: 

 

Do you want to install a symbolic link at /usr/local/cuda?

(y)es/(n)o/(q)uit: y

 

Install the CUDA 8.0 Samples?

(y)es/(n)o/(q)uit: y

 

Enter CUDA Samples Location

 [ default is /home/maddock ]: 

 

Installing the CUDA Toolkit in /usr/local/cuda-8.0 ...

Installing the CUDA Samples in /home/maddock ...

Copying samples to /home/maddock/NVIDIA_CUDA-8.0_Samples now...

Finished copying samples.

 

===========

= Summary =

===========

 

Driver:   Not Selected

Toolkit:  Installed in /usr/local/cuda-8.0

Samples:  Installed in /home/maddock

 

Please make sure that

 -   PATH includes /usr/local/cuda-8.0/bin

 -   LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root

 

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-8.0/bin

 

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-8.0/doc/pdf for detailed information on setting up CUDA.

 

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 361.00 is required for CUDA 8.0 functionality to work.

To install the driver using this installer, run the following command, replacing  with the name of this run file:

    sudo .run -silent -driver

Logfile is /tmp/cuda_install_20707.log

 

安装cuda时可能有下面的信息

 

    Installing the CUDA Toolkit in /usr/local/cuda-8.0 …

    Missing recommended library: libGLU.so

    Missing recommended library: libX11.so

    Missing recommended library: libXi.so

    Missing recommended library: libXmu.so

解决方法

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

2.2 设置环境变量

编辑home目录下面.bashrc文件

sudo vim ~/.bashrc

输入下面内容

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda/lib64/

使得环境变量生效

source ~/.bashrc

 

 

 

2.3测试CUDA的sammples

运行如下的命令

cd /usr/local/cuda-8.0/samples

sudo make all

cd ./1_Utilities/deviceQuery

sudo make

./deviceQuery

 

测试过程中

/usr/bin/ld: 找不到 -lnvcuvid

collect2: error: ld returned 1 exit status

Makefile:381: recipe for target 'cudaDecodeGL' failed 

参考网站

https://askubuntu.com/questions/891003/failure-in-running-cuda-sample-after-cuda-8-0-installation

http://www.caffecn.cn/?/question/1109

将 UBUNTU_PKG_NAME = "nvidia-367" 换成UBUNTU_PKG_NAME = "nvidia-375" 

执行sudo sed -i "s/nvidia-367/nvidia-375/g" `grep nvidia-367 -rl .`

接着sudo make

全部编译完成后， 进入 samples/bin/x86_64/Linux/release,

sudo下运行deviceQuery

sudo ./deviceQuery

如何查看CUDA的版本

nvcc -V

 

 

第三部分安装cuDNN

3.1 cuDNN安装

下载下来以后，发现是一个tgz的压缩包，使用tar进行解压

tar -xvf cudnn-8.0-linux-x64-v5.1.tgz

安装cuDNN比较简单，解压后把相应的文件拷贝到对应的CUDA目录下即可

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

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

3.2 更改动态文件链接

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.5  #删除原有动态文件

以下的两步设置软连接时

一定要注意自己电脑的/usr/local/cuda/lib64/下的libcudnn.so.5.1.10名字，

有的可能是libcudnn.so.5.0.5等，要依据自己的电脑上的文件来定

sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5                      #生成软链接

sudo ln -s libcudnn.so.5 libcudnn.so                            #生成软链接

 

3.3 cuDNN后续升级

(1)重复3.1的步骤

(2) 

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.5  #删除原有动态文件

sudo ln -s libcudnn.so.5.1.x libcudnn.so.5                      #生成软链接

sudo ln -s libcudnn.so.5 libcudnn.so                            #生成软链接

解释,根据升级对应的版本号修改x符号

 

第四部分 安装tensorflow

极客安装

http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html

https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/1-2-install

http://blog.csdn.net/u014516389/article/details/72818155/

4.1安装pip

使用pip或pip3直接安装tensorflow

首先安装其依赖项

$ sudo apt-get install python-pip python-dev   # for Python 2.7

$ sudo apt-get install python3-pip python3-dev # for Python 3.n

 

检查pip以及python的版本

输入pip -V && python -V出现

pip 8.1.1 from /usr/lib/python2.7/dist-packages (python 2.7)

Python 2.7.12

4.2 安装TF

输入：

pip install tensorflow-gpu 

安装路径在

$ pip show tensorflow-gpu
Name: tensorflow-gpu
Version: 1.4.0
Summary: TensorFlow helps the tensors flow
Home-page: https://www.tensorflow.org/
Author: Google Inc.
Author-email: opensource@google.com
License: Apache 2.0
Location: /home/imagealg/.local/lib/python2.7/site-packages
Requires: mock, tensorflow-tensorboard, numpy, backports.weakref, wheel, six, protobuf, enum34

然后tensorboard无法找到命令

$ tensorboard --logdir="logs/"
tensorboard：未找到命令

一定要加上sudo安装在系统python目录下面 sudo pip install tensorflow-gpu

$ pip show tensorflow-gpu
Name: tensorflow-gpu
Version: 1.4.0
Summary: TensorFlow helps the tensors flow
Home-page: https://www.tensorflow.org/
Author: Google Inc.
Author-email: opensource@google.com
License: Apache 2.0
Location: /usr/local/lib/python2.7/dist-packages
Requires: mock, tensorflow-tensorboard, numpy, backports.weakref, wheel, six, protobuf, enum34

  

下面为安装信息

Downloading tensorflow_gpu-1.2.1-cp27-cp27mu-manylinux1_x86_64.whl (89.2MB)

Successfully built markdown html5lib

Installing collected packages: six, funcsigs, pbr, mock, numpy, html5lib, bleach, markdown, wheel, setuptools, protobuf, backports.weakref, werkzeug, tensorflow-gpu

Successfully installed backports.weakref bleach funcsigs html5lib markdown mock numpy pbr protobuf setuptools-20.7.0 six tensorflow-gpu werkzeug wheel-0.29.0

You are using pip version 8.1.1, however version 9.0.1 is available.

You should consider upgrading via the 'pip install --upgrade pip' command.

 

# Ubuntu/Linux 64-bit, CPU only, Python 2.7:

$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl

 

# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7. Requires CUDA toolkit 7.5 and CuDNN v4.

# For other versions, see "Install from sources" below.

$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl

4.3 TF升级S

1.我下载的是当前的最新版本，后期如果需要新的版本

$ pip install --upgrade tensorFlow

2.也可以登陆https://storage.googleapis.com/tensorflow/，看是否有更新，然后先卸载，再将对应位置更改一下即可，但须卸载旧的版本

$ pip uninstall tensorflow

这样TensorFlow的环境就安装完成了

测试

import tensorflow as tf

hello=tf.constant('Hello, TensorFlow')

sess=tf.Session()

print(sess.run(hello))

Hello, TensorFlow!