Ubuntu18.04環境下的安裝:

主要參考下面這個博客：

https://blog.csdn.net/u010801439/article/details/80483036

https://blog.csdn.net/ice__snow/article/details/80144503

1.安裝GPU英偉達驅動（針對ubuntu18.04）

step .1：首先，檢測你的NVIDIA圖形卡和推薦的驅動程序的模型。執行命令：

$ ubuntu-drivers devices

輸出結果為：

== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001180sv00001458sd0000353Cbc03sc00i00
vendor   : NVIDIA Corporation
model    : GK104 [GeForce GTX 680]
driver   : nvidia-304 - distro non-free
driver   : nvidia-340 - distro non-free
driver   : nvidia-384 - distro non-free recommended
driver   : xserver-xorg-video-nouveau - distro free builtin

== cpu-microcode.py ==
driver   : intel-microcode - distro free

從中可以看到，這裏有一個設備是GTX 680 ，對應的驅動是NVIDIA -304,340,384 ，而推薦是安裝384版本的驅動。

step.2，安裝驅動

你可以選擇，安裝所有推薦的驅動，如下命令

$ sudo ubuntu-drivers autoinstall

你也可以選擇，只安裝其中一個驅動，命令如下

$ sudo apt install nvidia-340

OK 驅動安裝完成，重新啟動

4.安裝CUDA（針對18.04）

安裝CUDA 這裏需要註意;

咱們需要根據cuDNN 來選擇，如圖，首先，cuda只能支持17.04,16.04的ubuntu 下載安裝，但，實際上，有點類似於word一樣（高版本word能打開低版本的word文件 .）18.04版本的系統，能夠安裝16.04版本對應的CUDA。

目前cuda 最高版本為9.2，且只支持 16.04,17.04 這兩個系統，而且，我們安裝完CUDA 之後還需要安裝cuDNN。

那麽cuDNN 的版本又有什麽選擇呢，如下

首先，根據cuDNN 的版本，目前，較為完善的，是cuDNN v7.0.5 ,其適用於 CUDA 9.1 版本，所以，咱們在選擇安裝cuda的時候，選擇 CUDA 9.1。下載地址

按下圖進行選擇

對應的有一下四個文件，需要統統下載，第一個是主文件，後3個相當於補丁。

開始安裝：

step .1 GCC 降級

由於CUDA 9.0僅支持GCC 6.0及以下版本，而Ubuntu 18.04預裝GCC版本為7.3，

故手動進行降級：

step .1 GCC 降級

由於CUDA 9.0僅支持GCC 6.0及以下版本，而Ubuntu 18.04預裝GCC版本為7.3，

故手動進行降級：

sudo apt-get install gcc-4.8 
sudo apt-get install g++-4.8

裝完後進入到/usr/bin目錄下

  $ls -l gcc* 

會顯示以下結果

lrwxrwxrwx 1 root root 7th May 16 18:16 /usr/bin/gcc -> gcc-7.3

發現gcc鏈接到gcc-7.0, 需要將它改為鏈接到gcc-4.8，方法如下:

sudo mv gcc gcc.bak #備份 
sudo ln -s gcc-4.8 gcc #重新鏈接

同理，對g++也做同樣的修改：

ls -l g++* 

lrwxrwxrwx 1 root root 7th May 15:17 g++ -> g++-7.3

需要將g++鏈接改為g++-4.8:

sudo mv g++ g++.bak 
sudo ln -s g++-4.8 g++

再查看gcc和g++版本號：

gcc -v 
g++ -v

均顯示gcc version 4.8 ，說明gcc 4.8安裝成功。

step. 2 安裝cuda ,及其補丁

輸入命令安裝Base Installer：

sudo sh cuda_9.1.85_387.26_linux.run

需要註意的是，之前已經安裝過顯卡驅動程序，故在提問是否安裝顯卡驅動時選擇no,其他 選擇默認路徑或者yes即可。

然後，繼續執行以下操作安裝3個 patch ：

sudo sh cuda_9.1.85.1_linux.run
sudo sh cuda_9.1.85.2_linux.run
sudo sh cuda_9.1.85.3_linux.run

安裝完畢之後，將以下兩條加入.barshrc文件中.

export PATH=/usr/local/cuda-9.1/bin${PATH:+:$PATH}}      #註意，根據自己的版本，修改cuda-9.2/9.0...
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} #註意，根據自己的版本，修改cuda-9.2/9.0...

OK ,那麽，到這一步，cuda 就安裝完成了

確認CUDA工作

找到samples，一般在home目錄下

cd ~/NVIDIA_CUDA-9.1_Samples/
make

等待編譯完成，

cd ./bin/x86_64/linux/release 

使用deviceQuery 測試

$ ./deviceQuery

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 960M"
  CUDA Driver Version / Runtime Version          9.1 / 9.1
  CUDA Capability Major/Minor version number:    5.0
  Total amount of global memory:                 2004 MBytes (2101870592 bytes)
  ( 5) Multiprocessors, (128) CUDA Cores/MP:     640 CUDA Cores
  GPU Max Clock rate:                            1176 MHz (1.18 GHz)
  Memory Clock rate:                             2505 Mhz
  Memory Bus Width:                              128-bit
  L2 Cache Size:                                 2097152 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 1 copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Supports Cooperative Kernel Launch:            No
  Supports MultiDevice Co-op Kernel Launch:      No
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.1, CUDA Runtime Version = 9.1, NumDevs = 1
Result = PASS

3.安裝cuDNN（針對18.04）

cuDNN 的安裝，就是將 cuDNN 包內的文件，拷貝到cuda文件夾中即可。

step.1按照第四點分析的內容，我們需要下載的cuDNN 版本為

cuDNN v7.0.5 library for liunx，下載地址（需要註冊才能進行下載）

下載完畢後，切到默認的Downloads文件夾，可以看到 cudnn-9.1-linux-x64-v7.tgz 壓縮包

先解壓，然後將其中的內容復制到CUDA安裝文件夾裏面.

step.2 復制cuDNN內容到cuda相關文件夾內

sudo cp cuda/include/cudnn.h    /usr/local/cuda/include      #註意，解壓後的文件夾名稱為cuda ,將對應文件復制到 /usr/local中的cuda內
sudo cp cuda/lib64/libcudnn*    /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn.h   /usr/local/cuda/lib64/libcudnn*

到此處，所以的安裝就完成。

接下來就可以安裝相應的軟件，如：anaconda,pycharm tensorflow 等。。。

Ubuntu16.04環境下的安裝:

安裝nvdia驅動和cuda:

主要參考了下面這個博客

https://blog.csdn.net/u010837794/article/details/63251725

下面是所有CUDA版本的網頁鏈接

https://developer.nvidia.com/cuda-toolkit-archive

然後cd指令進入/usr/local/cuda/samples，執行下面的命令來build samples

sudo make all -j64

全部編譯完成後，ｃｄ進

入/usr/local/cuda/samples/bin/x86_64/linux/release，運行deviceQuery

./deviceQuery

如果出現顯卡信息，則驅動及顯卡安裝成功，結果如下：

安裝CUDNN：

把cudnn壓縮包下載下來後，按照如下步驟安裝即可：

1、刪除原來的cudnn系統路徑下的一些文件

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*   #這裏*是通配符，libcudnn*指的是名字中帶有libcudnn的所有文件

2、安裝剛才解壓的cudnn版本，在終端cd到剛解壓的cuda文件夾，然後繼續輸入下面兩個指令，這兩個指令相當於把解壓後的cuda文件夾下的一些文件拷到系統路徑下面

sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/       #這裏*是通配符，lib*指的是名字中帶有lib的所有文件

3、在系統路徑下建立軟鏈接（解壓出來的lib64下面有3個so文件。分別是

libcudnn.so 和 libcudnn.so.5以及 libcudnn.so.5.1.3文件。 並且這3個點so文件大小都一樣。其實都是軟連接！libcudnn.so鏈接到libcudnn.so.5，而

libcudnn.so.5.又鏈接到libcudnn.so.5.1.3。 真正的文件只有

libcudnn.so.5.1.3）

cd /usr/local/cuda/lib64
sudo chmod +r libcudnn.so.5.1.10
sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so

接下來設置環境變量：

sudo gedit /etc/profile

在打開的文件中加入如下兩句話

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

保存後，使環境變量立即生效，

source /etc/profile

ubuntu上安裝NVIDIA驅動、CUDA、CUDNN