Ubuntu16.04 系统+tesla k80+cuda9.0+cudnn7.1+anaconda3.5+tensorflow1.5.0

1.两块显卡

2.tensorflow1.5只支持到cuda9.0

3.电脑硬件信息如下图：

安装单系统（语言英文)

1.不自动更新+不下载第三方

2.分区：

 sda1:第一个  bios reserve(bios保留分区)   挂载在biosgrub 主分区  1M

 sda2: 第二个  ETX4  挂载在 /  主分区  50G~几乎整个磁盘的大小

 sda3: 第三个  交换空间（swap）逻辑分区  内存大小 68888M

安装驱动

ps. ppa源安装无法匹配正确版本驱动

1.去官网下载最新的驱动run文件，选择系统的时候，不要选择ubuntu16.04,选择的话容易选到deb文件，应该选择linux-64bit版本

2.安装NVIDIA驱动程序(如果事先有装但失败的，先卸载)

$  sudo apt remove --purge nvidia*

3.禁用驱动

1）在Ubuntu16.04中，我们可以通过以下操作禁用nouveau：

a.在/etc/modprobe.d中创建文件blacklist-nouveau.conf

$ sudo vim /etc/modprobe.d/blacklist-nouveau.conf

在文件中输入以下内容：

blacklist nouveau

options nouveau modeset=0

b.执行

$ sudo update-initramfs -u

c.查看nouveau是否已经成功禁用

$  lsmod | grep nouveau

若无内容输出，则禁用成功，若仍有内容输出，请检查上述操作，并重复。

操作无误但仍有输出，则可重启，进入用户登录界面时（不要登录进桌面），按Ctrl+Alt+F1进入字符终端界面，输入用户名和密码进行登录，登录成功后，再次查看

$  lsmod | grep nouveau

这时，我们已经成功禁用了nouveau，无输出

2）关闭图形化界面

$sudoservice lightdm stop

3）安装驱动

注意进入你下载的目录

给驱动run文件赋予执行权限：

sudo chmod a+x NVIDIA-Linux-x86_64-390.46.run

#后面的参数非常重要，不可省略：

sudo ./NVIDIA-Linux-x86_64-390.46.run –no-opengl-files

–no-opengl-files：表示只安装驱动文件，不安装OpenGL文件。这个参数不可省略，否则会导致登陆界面死循环，英语一般称为”login loop”或者”stuck in login”。

–no-x-check：表示安装驱动时不检查X服务，非必需。

–no-nouveau-check：表示安装驱动时不检查nouveau，非必需。

-Z, --disable-nouveau：禁用nouveau。此参数非必需，因为之前已经手动禁用了nouveau。

-A：查看更多高级选项。

必选参数解释：因为NVIDIA的驱动默认会安装OpenGL，而Ubuntu的内核本身也有OpenGL、且与GUI显示息息相关，一旦NVIDIA的驱动覆写了OpenGL，在GUI需要动态链接OpenGL库的时候就引起问题。

可以使用下面的命令打开图形化界面：

sudo service lightdm start

之后，按照提示安装，成功后重启即可。 如果提示安装失败，不要急着重启电脑，重复以上步骤，多安装几次即可。

Driver测试：

nvidia-smi

#若列出GPU的信息列表，表示驱动安装成功

nvidia-settings

#若弹出设置对话框，亦表示驱动安装成功,我们没有出正确结果，但目前没有发现问题

CUDA9.0 安装

到NVIDIA官网中，找到CUDA 9.0并下载,注意与tensorflow版本对应

之后，重启系统，在登录界面时按Ctrl+Alt+F1进入字符终端界面，登录成功后，

关闭图形化界面

$ sudo service lightdm stop

找到下载文件的路径，键入下面的命令安装：

$ sudo sh cuda_9.0.176_384.81_linux.run

单击回车，直到提示“是否为NVIDIA安装驱动？”

选择否，因为已经安装好驱动程序，其他都是默认。

最后你会看到cuda驱动、sample、tookit已经安装成功,但是缺少一些库。

添加这些库

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

重新启动图形化界面

$ sudo service lightdm start

同时按住Alt + ctrl +F7，返回到图形化登录界面，输入密码登录。

如果能够成功登录，则表示不会遇到循环登录的问题，基本说明CUDA的安装成功了

重启电脑，检查Device Node Verification

$ sudo reboot

$ ls /dev/nvidia*

a、若结果显示

/dev/nvidia0    /dev/nvidiactl    /dev/nvidia-uvm

或显示出类似的信息，应该有三个（包含一个类似/dev/nvidia-uvm的），则安装成功。

b、大多数结果可能会是这样

ls: cannot access/dev/nvidia*: No such file or directory

或是这样的，只出现

/dev/nvidia0    /dev/nvidiactl

a中的一个或两个，但没有/dev/nvidia-uvm，即文件显示不全。

解决方法：

首先要添加一个启动脚本

$ sudo vim /etc/rc.local

把文件的第一行的#!/bin/sh -e中的-e去掉，

在#!/bin/sh和exit 0之间，添加以下内容

/sbin/modprobe nvidia

if["$?" -eq 0];then

# Count the number of NVIDIA controllers found.

NVDEVS=`lspci | grep -i NVIDIA`

N3D=`echo "$NVDEVS" | grep "3D controller" | wc -l`

NVGA=`echo "$NVDEVS" | grep "VGA compatible controller" | wc -l`

N=`expr $N3D + $NVGA- 1`

for i in `seq 0 $N`; do

mknod -m 666 /dev/nvidia$i c 195 $i

done

mknod -m 666 /dev/nvidiactl c 195 255

else

exit 1

fi

/sbin/modprobe nvidia-uvm

if["$?" -eq 0];then

# Find out the major device number used by the nvidia-uvm driver

D=`grep nvidia-uvm /proc/devices | awk '{print $1}'`

mknod -m 666 /dev/nvidia-uvm c $D 0

else

exit 1

fi

保存文件并重启，再次查看，这时你应该能直接看到/dev目录下的三个nvidia的文件

输入：

$ ls /dev/nvidia*

结果显示：

/dev/nvidia0    /dev/nvidiactl    /dev/nvidia-uvm

成功！如果还是没有出现，先不管他，跑后面的samples例子，然后会出来

接着，设置环境变量。

终端中输入

$ sudo vim /etc/profile

在打开的文件末尾，添加以下两行。

64位系统：

$export PATH=/usr/local/cuda-9.0/bin:$PATH

$export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH

32位系统：

$export PATH=/usr/local/cuda-9.0/bin:$PATH

$export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib:$LD_LIBRARY_PATH

保存文件，并重启。因为source /etc/profile是临时生效，重启电脑才是永久生效。

重启电脑，检查上述的环境变量是否设置成功。

a.验证驱动版本

$ cat /proc/driver/nvidia/version

b.验证CUDA Toolkit

$ nvcc -V

如果这里面出不来，那么先编译运行例子后再回来验证

最后，我们需要尝试编译cuda提供的例子，看cuda能否正常运行

打开终端输入（注意你安装的路径，替换user_name）

$ cd /home/user_name/NVIDIA_CUDA-9.0_Samples

$ make

系统就会自动进入到编译过程，整个过程大概需要十几到二十分钟，请耐心等待。如果出现错误的话，系统会立即报错停止。

如果编译成功，最后会显示Finished building CUDA samples，如下图所示。

运行编译生成的二进制文件。

编译后的二进制文件默认存放在NVIDIA_CUDA-9.0_Samples/bin中。

接着在终端中输入 ：

$ cd bin/x86_64/linux/release$ ./deviceQuery

结果如下图所示：看到类似如下图片中的显示，则代表CUDA安装且配置成功，其中 Result = PASS代表成功,若失败 Result = FAIL

最后再检查一下系统和CUDA-Capable device的连接情况

终端输入 ：

$ ./bandwidthTest

看到类似如下图片中的显示，则代表成功

在官网上下载适合cuda版本的deb文件或tgz文件。  cudnn-9.0-linux-x64-v7.1.tgz

把头文件和库文件拷贝到cuda的安装目录中，首先确保cuda的安装目录是/usr/local/cuda/，之前安装cuda时，已经默认安装目录为/usr/local/cuda/了

sudo tar -xzvf  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  

文件拷贝成功

查看cudnn版本

sudo cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A2  

安装Anaconda

然后执行：bash Anaconda×××-Linux-x86_64.sh ，然后一直enter键，中途会遇到([y]/n)? 的提示，输入y即可。

安装好后，在终端输入Python即可看见：Python 3.6.4 |Anaconda, Inc.|，表明安装成功。

安装tensorflow(cpu版）

官方的建议是即时你有gpu，但也可以先装一个cpu版，创建环境的命令为：

conda create -n tensorflow python=3.6  

（一定要指定python版本，python=3.6）

source activate tensorflow #激活tensorflow环境  

cd /Downloads#切换到whl文件所在文件夹  

pip install --ignore-installed --upgrade tensorflow-1.5.0-py3-none-linux_x86_64.whl #不要用sudo pip，也不要用pip3  

作者：敲可爱的小超银
链接：https://www.jianshu.com/p/f00b657ccaae