ubuntu深度学习环境的搭建（ubuntu18.04的安装教程 & GPU驱动安装 & CUDA安装 & CUDNN安装）

1.1 制作ubuntu系统安装盘

1.1.1 下载ubuntu18.04的镜像

链接：https://pan.baidu.com/s/1kK9OD1dYyleq1BGBiMXpvA
提取码：6666

1.1.2 准备一个8G以上的U盘，把系统烧录进去

烧录软件我使用的是rufus

官方下载地址：rufus官网

使用教程：在 Windows 中制作 Ubuntu 系统的USB启动盘

1.2 U盘启动安装ubuntu系统

不同机器进入bios的按键和切换启动项的按键不同，一般是F2,F11,DEL其中一个进入BIOS或者切换启动项的目录。选择刚刚制作的ubuntu系统盘的U盘启动。

安装教程：Ubuntu18.04安装教程

安装ubuntu的时候，比windows安装多了一个分配空间的问题。

我的硬盘是128G的，实际上只有120G。我没有分配上面博客说的那么多的分区。而只是分了4个区域。

/ 30G （apt-get install 的软件是安装在根目录） 主分区，空间起始位置

/boot 1G 主分区，空间起始位置

swap 16G （我的电脑内存16G，所以分给他16G）。逻辑分区， 空间起始位置

/home 分配完上面的分区，剩下的内存都给/home。 逻辑分区，空间起始位置

**安装好系统后第一件事情就是更换软件源。**因为系统自带的源在国外，速度比较慢，容易卡死。所以一般要切换到国内的源。

我一般是使用阿里源.更换方法有两种。1.更改sources.list文件更换 2.在软件与更新中去更换源地址。

1. 更改文件修改：Ubuntu更换阿里云软件源

2. 在设置中更换源（更简单，推荐用这种方式）

   Ubuntu 20.04 apt 更换国内源

---

2.安装GPU驱动 & cuda & cudnn环境

2.1 三者之间的关系

我一开始并不是很懂得，安装一个GPU相关的东西，就需要安装这么多东西。因为在windows上，不弄深度学习之前，我电脑一般就只会安装一个显卡驱动。现在又是驱动，cuda搞的好复杂。

参考网址：gpu 的驱动，cuda，cudnn的关系

按我的理解，GPU作为硬件平台，电脑要驱动它，需要一个GPU驱动。CUDA是为了提高GPU并行计算能力做的一个架构（可能就是算法去实现并行运算）。cudnn像是加速计算的插件一样。（因为他不用安装，只是放到cuda安装目录下的文件夹）

2.2 明白自己的需求

安装之前先确定自己需要什么环境。我以百度paddle为例分析

tf不同版本支持的cuda也是不同的。选择你要运行代码的环境进行相对应的安装。

tf对显卡算力也有要求的。N卡算力查询。

安装cuda的时候，cuda对GPU驱动版本限制，

cuda的要求表格

比如：

确定好版本后，下面开始安装。

接下来的安装网上有好多教程，教程太多文章质量就是层次不齐。很多好文章因为发布的晚，搜索引擎把它放的比较后面，很难找。我推一下我觉得比较好的两个课程：

1.ubuntu 18.04安装CUDA环境，包括nvidia驱动、cuda 10.1、cudnn 10.1，人工智能、机器学习必备技能（强烈推荐这个，我就是根据这个安装上的）

2.如何在Ubuntu18.04下安装CUDA10.1和cudnn

2.3 GPU驱动的安装

2.3.1 卸载nouveau nvidia驱动

安装新GPU驱动之前，需要禁止nouveau nvidia驱动。

1.删Ubuntu系统除旧驱动

# 删除
sudo apt-get purge nvidia*

2.禁止自带的nouveau nvidia驱动

# 打开配置文件
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

3.填写禁止配置的内容：

把下面两行添加到文件的最后面，保存后退出。

blacklist nouveau
options nouveau modeset=0

4.更新配置文件，并重启电脑。

sudo update-initramfs -u

5.重启计算机(一定要重启！)

sudo reboot

6.重启后输入

lsmod | grep nouveau #没有输出，即说明安装成功

2.3.2 开始安装驱动

2.3.2.1 自动更新驱动（要先更换前面说的国内源，比如阿里源）

优点:省事

缺点：一般是安装最新版本的驱动，所以可能不符合tf,paddle需要的cuda环境。

sudo ubuntu-drivers autoinstall

2.3.2.2 手动更新源

1.最新版N卡驱动下载地址

2.老版N卡驱动下载地址

开始安装

1.在driver run文件目录下打开命令行，运行

sudo chmod a+x （driver.run） 以你下载的文件名为主

2.运行run文件

sudo sh xx.run 或者 sudo ./ xx.run

3.测试驱动是否安装完成

nvidia-smi

应该要输出你电脑的信息，有输出下面这样的信息，说明GPU驱动安装成功。

可能遇到的问题：

Unable to find the development tool cc in your path;

可能是你的系统里没有装gcc，那就装上gcc，类似的，报找不到make，就装一下

sudo apt-get install gcc
sudo apt-get install make

或者使用命令：

sudo apt install build-essential -y 一键安装那些必要软件

2.4 CUDA驱动的安装

2.4.1 cuda安装包的下载

官网下载地址

2.4.2 安装命令

1.安装命令和安装驱动一样

sudo chmod a+x （driver.run） 以你下载的文件名为主

2.运行run文件

sudo sh xx.run 或者 sudo ./ xx.run

将会进入下面的安装界面，直接点击install。

之后设置环境变量。

输入 sudo gedit ~/.bashrc 打开主目录下的 .bashrc文件添加如下路径:

export LD_LIBRARY_PATH=

$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64

export PATH=$PATH:/usr/local/cuda-10.1/bin

export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1

在命令行输入source ~/.bashrc使之生效。

输入 nvcc --version，如果显示如下文字就说明安装成功了：

如果没有这个指令，他应该会提示没有找到

Command ‘nvcc’ not found, but can be installed with: sudo apt install nvidia-cuda-toolkit

然后根据提示安装即可。

sudo apt install nvidia-cuda-toolkit

验证cuda是否能够正常运行：

因为我们是有安装smaple demo的，所以在最开始~目录下，要有一个nvidia_cuda…._samples 这个文件夹的，进入这个文件夹。

1. cd 1_Utilities

2. cd deviceQuery

3. 在deviceQuery这个文件夹中make，会多出一个deviceQuery可执行文件

4. ./deviceQuery 执行，会输出相应的信息

2.5：Cudnn 下载安装

驱动的下载：CuDNN Archive

选择对应cuda的版本下载下来。这个下载需要登陆nvidia，需要有一个nvidia账号，注册一个就行。

安装cudnn

这个就是一个加速的文件，无需安装。

把准备好的cudnn文件复制到已经安装好的cuda文件夹里。cuda安装在usr文件夹里。点开主目录里下面的计算机就可以找到。但是在这里没有办法用拖拽的方式进行复制黏贴（因为没有超级权限），需要使用命令行的方式。安装过程参考自[3]

首先进入cudnn对应的文件夹里。之后敲如下命令

sudo cp cuda/include/* /usr/local/cuda/include
sudo cp cuda/lib64/* /usr/local/cuda/lib64

复制成功就可以了。

最后额外说一点，如果你想卸载显卡驱动的话，可以用这个命令来卸载：

sudo apt-get remove nvidia*

如果想查看隐藏文件夹，可以通过Ctrl + h组合键。