深度学习开发环境配置教程

OS：Ubuntu18.04/20.04

本文主要内容有：Nvidia 显卡驱动安装，CUDA10配置，cuDNN配置

本教程全部步骤经过多次实践踩坑，确认无误，在此分享，希望大家都能少踩坑少走弯路！

一、安装Nvidia显卡驱动

1.  准备显卡驱动

到NVIDIA官网下载对应的显卡驱动程序，链接地址可以自动判断你的计算机适配的显卡，一路单击“搜索-DOWNLOAD”下载即可。

Ubuntu系统下的驱动文件为.run文件，文件名如：NVIDIA-Linux-x86_64-3xx.xx.run形式

查询GPU型号方法：终端输入

nvidia-smi

或者输入：

nvidia-settings

2. 禁用开源nouveau驱动

安装vim，在终端输入：

sudo apt-get update
sudo apt-get install vim

编辑 /etc/modprobe.d/blacklist.conf文件：

sudo vim /etc/modprobe.d/blacklist.conf

按键盘上的字母 i 进入编辑模式，在最后添加下面两行代码：

blacklist nouveau
options nouveau modeset=0

按Esc键退出编辑模式，再输入“ :wq ”，回车，即可保存退出。

然后输入：

sudo ldconfig

再执行下面的命令，使配置生效：

sudo update-initramfs -u

验证是否成功禁用nouveau，关掉命令行终端，重新打开，然后输入命令：

sudo lspci | grep nouveau

3. 安装显卡驱动

终端更新内核命令：

sudo apt update  
sudo apt install gcc g++ make

好了以后重启电脑。

将前面nvidia 官网下载到的对应显卡版本的驱动（下面XXX是版本的意思） 放置到主文件夹（Home目录）下
举例：NVIDIA-Linux-x86_64-XXX.run （384或者440都可以版本里面的）

按Ctrl + Alt + F3到控制台，输入用户名和密码登陆后，执行关闭当前图形环境命令：

sudo service lightdm stop
sudo telinit 3

注意，再次运行下面命令可以返回命令行：

sudo telinit 3

安装驱动程序，输入下行进入到驱动所在文件夹：

cd /home/用户名

输入：

sudo chmod a+x NVIDIA-Linux-x86_64-xxx.run
sudo sh NVIDIA-Linux-x86_64-xxx.run -no-opengl-files

过程中点击默认选中的按钮，无需更改。

输入以下命令，重启图形界面：

sudo service lightdm start

最后重新启动reboot。

二、安装CUDA环境

1. 准备CUDA文件

官网上下载对应的CUDA安装文件，建议选择run安装。官方地址是，注意此处需要注册成为Nvidia develop 会员。

自己根据实际情况选择相应的文件。

2. 安装CUDA

下载完成后，打开终端切换到安装文件所在的目录，执行：

sudo sh cuda_10.0.130_410.48_linux.run --no-opengl-libs

这里会出现More（0%），意思是你要阅读这些协议，连续按空格键可跳过，或者按Ctrl+C跳过
之后，按照提示安装即可。依次选择：

accept #同意安装
n #不安装Driver，因为上一步已独立安装显卡驱动
y #安装CUDA Toolkit
<Enter> #安装到默认目录
y #创建安装目录的软链接
n #不复制Samples，因为在安装目录下有/samples

3. 配置环境变量

终端输入：

sudo gedit ~/.bashrc

打开环境变量文件，将下方内容写入尾部：

export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export  LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存并退出，输入下方命令使环境变量生效：

source ~/.bashrc

4. 测试CUDA

测试是否安装成功:

cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

三、安装cuDNN环境

1. 准备cuDNN文件

下载地址：NVIDIA-cuDNN，此处依然需要登录会员才可下载：

本教程在此选择的版本是与CUDA10相对应的cuDNN7.6版本。下载完成后，切换到下载目录解压缩cuDNN包：

sudo tar -zxvf ./cudnn-10.0-linux-x64-v7.6.5.32.tgz

分别执行以下复制文件命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/    # 复制头文件
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/         # 复制动态链接库
sudo chmod a+r /usr/local/cuda/include/cudnn.h            #修改头文件权限值
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*              #修改动态链接库权限值

2. 查看cuDNN版本

在终端命令行输入如下命令确认cuDNN版本：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

3. 修改软连接

在终端命令行分别输入如下命令进行软连接：

sudo cp /usr/local/cuda-10.0/lib64/libcudart.so.10.0 /usr/local/lib/libcudart.so.10.0 && sudo ldconfig
sudo cp /usr/local/cuda-10.0/lib64/libcublas.so.10.0 /usr/local/lib/libcublas.so.10.0 && sudo ldconfig
sudo cp /usr/local/cuda-10.0/lib64/libcurand.so.10.0 /usr/local/lib/libcurand.so.10.0 && sudo ldconfig
sudo cp /usr/local/cuda-10.0/lib64/libcudnn.so.7 /usr/local/lib/libcudnn.so.7 && sudo ldconfig
sudo cp /usr/local/cuda-10.0/lib64/libcusolver.so.10.0 /usr/local/lib/libcusolver.so.10.0 && sudo ldconfig
sudo cp /usr/local/cuda-10.0/lib64/libcufft.so.10.0 /usr/local/lib/libcufft.so.10.0 && sudo ldconfig

4. 查看环境

在终端命令行通过如下命令显示GPU相关信息，如CUDA版本等，确认安装成功：

nvcc --version

至此全部结束