目錄

• 一、Ubuntu18.04 LTS系統的安裝
  • 1. 安裝文件下載
  • 2. 制作U盤安裝鏡像文件
  • 3. 開始安裝
• 二、設置軟件源的國內鏡像
  • 1. 設置方法
  • 2.關於ubuntu鏡像的小知識
• 三、Nvidia顯卡驅動的安裝
  • 1. 首先查看顯卡型號和推薦的顯卡驅動
  • 2. 安裝nvidia-390版本驅動
  • 3. 重啟系統，可以查看安裝是否成功
• 四、CUDA9.0的安裝
  • 1. CUDA版本選擇
  • 2. 安裝CUDA9.0
  • 3. 設置環境變量
• 五、cuDNN7.3的安裝
• 六、Tensorflow-1.12的安裝
  • 1. Python開發環境配置.
  • 2. 創建Python虛擬環境
  • 3. 建立軟鏈接
  • 4. 安裝Tensorflow
• 七、Jupyter notebook的安裝配置

此篇博文針對零基礎的同學所撰寫，基本屬於step-by-step。需要註意的是：目前CUDA已經到了CUDA10.0版本，但遺憾的是目即使最新的Tensorflow1.12也暫時只支持CUDA9.0，因此，我們選擇9.0版本進行安裝。當然，如果實在想嘗鮮，可以通過tensorflow的源碼安裝，需要自己編譯，我們將在另外文章中專門介紹，這裏不詳述。

一、Ubuntu18.04 LTS系統的安裝

1. 安裝文件下載

登陸ubuntu官網(https://www.ubuntu.com/index_kylin)，點擊“Download”選項，會出現下載頁面，我們選擇ubuntu 18.04 LTS Desktop版本，跟16.04LTS版本一樣，這是一個長期維護版本（想嘗鮮的可以選擇18.10，但不建議這麽做）。一般下載速度很快（我平時網速不太理想的情況下都達到了4M速度），下載文件的全名為：ubuntu-18.04.1-desktop-amd64.iso，大概1.81GB.

2. 制作U盤安裝鏡像文件

• (1) 首先下載U盤啟動文件制作工具，這裏我們用rufus，官網（https://rufus.ie/， 貌似直接點擊這個網站會出現404錯誤，但是百度搜索rufus，第一條就是rufus官網）， 默認打開下載英文版（也可以選擇下載中文版），這是個綠色軟件，不需要安裝，我們選擇下載最新的rufus 3.3版本。
• (2)打開rufus-3.3.exe，如果沒什麽意外的話，在rufus軟件界面中的設備一欄應該出現我們插入電腦的U盤的盤符（比如這裏的YPZHAI），如果沒有找到的話說明U盤沒有正確插入或出現了其它問題。點擊“選擇”按鈕，選取我們剛下載好的“ubuntu-18.04.1-desktop-amd64.iso”，其它設置采用默認值即可。點擊“開始”，會彈出一個通知對話框，直接點擊“是”，進入下一步，選擇默認的“以ISO鏡像模式寫入”，點擊進入下一步，會警告你U盤上的數據會被全部清空，選擇“是”，大概等待1分鐘左右，安裝U盤應該已經制作好。

3. 開始安裝

• （1）插入U盤，啟動電腦，按下“F2”（不同的電腦按鍵不同，請仔細查看啟動界面上的提示）進入BIOS設置界面，在啟動項（Boot Priority）選擇從U盤啟動（不同的主板顯示可能不一樣），保存退出。
• （2）開始安裝，一般會讓選擇語言、鍵盤布局等（選擇默認即可），在選擇“Updates and other software”時，選擇"Normal installation"，這樣一些常用的軟件就默認安裝上了。在“Installation type”中，如果不打算安裝雙系統，直接選擇第一個“Erase ****”，這樣電腦上原先的系統以及相關文件數據等都將全部刪除，因此在此之前一定要備份好重要數據！接下來進入“Where are you”時區選擇，選擇“shanghai”即可，下一步讓你輸入你的名字、電腦名、用戶名、以及密碼等。輸入完畢，正式進入安裝流程，整個過程大概需要20分鐘左右。

二、設置軟件源的國內鏡像

1. 設置方法

Ubuntu在安裝軟件的過程中，默認從其官方源下載，但由於國內網絡的原因，往往很慢。因此為了加快安裝速度，建議設置國內鏡像。在ubuntu系統中，軟件源記錄在/etc/apt/source.list文件中，因此，我們只需要將要加入的國內鏡像的地址寫入這個文件即可，在寫入之前記得備份一下原始的內容。

sudo cp /etc/apt/source.list /etc/apt/source.list.bak  # 備份
sudo gedit /etc/apt/source.list                        # 用gedit打開source.list文件

將下述內容全部拷貝到source.list文件的頭部，保存退出。

deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

然後，在命令行執行如下命令更新軟件源

sudo apt-get update

等待片刻，軟件源更新完成，這樣采用apt-get install方式安裝軟件時將優先從上述國內鏡像地址尋找軟件源，速度將快不少。到此，如果你不想了解關於國內鏡像的知識，可以直接進入下一節開始顯卡驅動的安裝，如果想了解ubuntu的鏡像知識，可以繼續往下看。

2.關於ubuntu鏡像的小知識

首先，簡單介紹下關於Ubuntu的source.list文件的內容，該文件在/etc/apt/目錄下，它記錄了ubuntu軟件更新的源的地址及目錄，默認是ubuntu的官方源，source.list文件內容的具體含義如下：

上述格式中，第1列為deb或deb-src，分別代表直接通過.deb文件進行安裝和通過source code源文件進行安裝兩種方式；第2列為URL地址，比如ubuntu官方源的地址為http://archive.ubuntu.com/ubuntu/，第3列為版本代號,具體見下表（這裏只給出.04版本的，其它版本可以自己取查看），一般只取代號的第一個單詞（比如16.04版本只取Xenial這個單詞），需要註意的是版本一般有5個不同的類別（這裏以xenial為例說明，一般有xenial, xenial-updates, xenial-security，xenial-proposed xenial-backports，一個類別一條記錄，實際上是一個文件夾），從第4列到第7列為版本代號文件夾下不同的文件夾的名稱（一般也有4個不同的文件夾，分別為：main,restricted,universe,multiverse，其具體意義見下表），當然第4到第7列是並列關系，完全可以每個文件夾一條記錄，也可以並列在一起。

下面分別給出18.04版本的官方源、阿裏雲源、以及清華的源

1. 官方源

deb http://archive.ubuntu.com/ubuntu/ bionic main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ bionic-backports main restricted universe multiverse

1. 阿裏雲源

deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

1. 清華的源

deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main multiverse restricted universe

三、Nvidia顯卡驅動的安裝

1. 首先查看顯卡型號和推薦的顯卡驅動

ubuntu-drivers devices

從輸出的信息看到推薦的是nvidia-driver-390的驅動，因此我們安裝nvidia-390驅動。需要註意的是有個奇怪的現象就是在中斷輸入上述命令，有可能得到不同的推薦，比如有可能推薦384或396或410驅動，在16.04系統上，我們安裝384驅動比較保險，在18.04系統上，理論上也沒問題，這裏我們還是按照系統推薦，安裝390驅動。

2. 安裝nvidia-390版本驅動

# 將系統中存在的nvidia驅動全部卸載掉（如果有的話）
sudo apt-get purge nvidia*

# 添加ppa源並更新
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

# 安裝nvidia-390版本
sudo apt-get install nvidia-390

安裝速度取決於下載速度，還是有點慢，但勉強接受，如果安裝失敗，可以再試1次。安裝完畢記得一定要重啟系統。

3. 重啟系統，可以查看安裝是否成功

nvidia-smi

如果出現如下信息，說明驅動安裝成功。

四、CUDA9.0的安裝

1. CUDA版本選擇

目前CUDA已經到了CUDA10.0版本，但遺憾的是目即使最新的Tensorflow1.12也暫時只支持CUDA9.0，因此，我們選擇9.0版本進行安裝。當然，如果實在想嘗鮮，可以通過tensorflow的源碼安裝，需要自己編譯，我們將在另外文章中專門介紹，這裏不詳述。

這裏需要註意的是：在nvidia的官網上，我們發現CUDA9.0的ubuntu版本只有16.04和17.04的，而沒有18.04的(CUDA10.0有18.04版本)，不過沒關系，經過測試發現17.04版本在18.04版本上能正常安裝並運行，因此這裏我們選擇下載17.04版本的（16.04的沒有測試，理論上應該也是沒有問題的）。

2. 安裝CUDA9.0

首先從Nvidia官網下載cuda-repo-ubuntu1704-9-0-176-local-patch-4_1.0-1_amd64.deb和 4個補丁 文件。安裝步驟如下：

Step1：切換到下載好的文件目錄，並安裝meta-data

sudo dpkg -i cuda-repo-ubuntu1704-9-0-176-local-patch-4_1.0-1_amd64.deb

Step2: 安裝CUDA的GPG Public Key

sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub

Step3：更新APT源

sudo apt-get update

Step4：安裝CUDA

sudo apt-get install cuda

Step5：安裝補丁

sudo dpkg -i cuda-repo-ubuntu1704-9-0-local-cublas-performance-update_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local-cublas-performance-update-2_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local-cublas-performance-update-3_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1704-9-0-176-local-patch-4_1.0-1_amd64.deb
sudo apt-get update
sudo apt-get upgrade cuda

當然，不安裝上述補丁對後續的安裝也應該沒多大影響，但是建議還是把上述4個補丁全部安裝，這對系統運行的性能可能有所提升。

3. 設置環境變量

在 ~/.bashrc中設置環境變量：

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda

運行如下命令使得環境變量生效

source ~/.bashrc

測試環境變量是否生效，可以運行一下nvidia的查看CUDA版本的命令

nvcc --version

如果出現上述信息，說明環境變量設置生效。

五、cuDNN7.3的安裝

這裏我們選擇下載cuDNN v7.3 for CUDA9.0版本（子項為cuDNN v7.3 Library for Linux），安裝包為cudnn-9.0-linux-x64-v7.3.1.20.tgz。

Step1: 解壓

tar -zxvf cudnn-9.0-linux-x64-v7.3.1.20.tgz

在當前目錄下會生成cuda目錄

Step2：將cudnn.h文件和lib文件拷貝到CUDA的安裝目錄下

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d

註意上面第二行命令中的-d不能少，否則會提示.so不是symbol link。

Step3：賦予執行權限

sudo chmod a+x /usr/local/cuda/include/cudnn.h
sudo chmod a+x /usr/local/cuda/lib64/libcudnn*

經過上述步驟，就基本配置好了系統以及CUDA環境，下面我們就可以安裝配置Tensorflow框架了

六、Tensorflow-1.12的安裝

1. Python開發環境配置.

首先，我們要確保系統中安裝了如下Python環境：
python3, pip3，以及 virtualenv，在命令行查詢相應的版本

python3 --version
pip3 --version
virtualenv --version

如果提示沒有安裝，則用如下命令安裝：

sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv

2. 創建Python虛擬環境

python的虛擬環境用來隔離系統和相應的安裝包，這非常有利於不同版本之間的隔離，總之好處多多，尤其是不同的項目使用不同的軟件版本時，能避免令人頭痛的版本混亂問題，強烈建議安裝虛擬環境。安裝命令如下：

virtualenv --system-site-packages -p python3 ./venv

上述命令的意思是創建一個虛擬環境（該虛擬環境文件被放置到venv目錄下），該環境使用python3，並且將python3下已經安裝的包都復制過來（--system-site-packages），如果選擇不復制python3下已經安裝的包，則使用--no-site-packages，這樣，已經安裝到系統python環境中的所有第三方包都不會復制過來，這樣就會得到一個不帶任何第三方包的“幹凈”的python運行環境。這裏我們選擇復制python3下已經安裝的軟件包。

如果要使用，則用下述命令激活該虛擬環境

source ./venv/bin/activate

如果環境激活，則shell命令行前面會出現(venv)。
在該虛擬環境下安裝任何軟件包都不會影響系統python環境。如果要退出該虛擬環境，則在命令行執行即下述命令可退出該虛擬環境。

deactivate

3. 建立軟鏈接

為了使用方便，我們可以建立一個軟鏈接，假設我們的虛擬環境安裝的絕對路徑是/home/scek/Project/venv/，則激活的shell命令的絕對路徑是/home/scek/Project/venv/bin/activate。一般我們啟動終端的時候，會默認在/home/scek/目錄下，在這個目錄下建立軟鏈接，鏈接名稱假設為venv，則用下面命令：

ln -s ./Project/venv/bin/activate  venv

建立軟鏈接之後，一啟動終端，就可以直接輸入：

source venv

即可激活虛擬環境，對比原始命令

source ./Project/venv/bin/activate

方便了不少。

4. 安裝Tensorflow

安裝很簡單，執行如下命令即可：

pip install tensorflow-gpu

上述命令會安裝最新的release版本(目是1.12版本)，如果要指定安裝版本，則采用如下命令

pip install tensorflow-gup = 1.10

但是由於國內網絡環境問題，安裝速度慢的無法忍受，這裏我們推薦采用清華的pypi鏡像進行安裝：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

測試安裝是否成功

python -c "import tensorflow as tf; print(tf.__version__)"

如果安裝成功，則會輸出當前的版本。
為了方便其他pip包安裝的方便，我們可以將pypi源永久修改，免得每次都要輸入鏡像地址：

首先在當前用戶目錄下新建~/.pip/pip.conf

mkdir .pip
sudo vim .pip/pip.conf

將下述內容寫入pip.conf文件中並保存

[global]
index-url = https://mirrors.aliyun.com/pypi/simple
[install]
trusted-host=mirrors.aliyun.com

這裏我們采用了阿裏雲的pypi源，也可以采用其它的源：

https://pypi.tuna.tsinghua.edu.cn/simple    # 清華
http://mirrors.aliyun.com/pypi/simple/      # 阿裏雲
https://pypi.mirrors.ustc.edu.cn/simple/    # 中國科技大學 
http://pypi.hustunique.com/                 # 華中理工大學
http://pypi.sdutlinux.org/                  # 山東理工大學
http://pypi.douban.com/simple/              # 豆瓣

七、Jupyter notebook的安裝配置

寫python代碼，可以采用的工具有很多：

1. 直接在命令行輸入python，即可進入python開發環境
2. 用第三方代碼編輯器，推薦使用sublime text3。 或者用第三方IDE工具， 比如Pycharm， 但是這個軟件很耗內存，IDE工具的優點和缺點基本都有，個人不太喜歡使用這個IDE。
3. 使用Jupyter Notebook. Jupyter Notebook（此前被稱為 IPython notebook）是一個交互式筆記本，支持運行 40 多種編程語言。是非常友好的一款開發工具，尤其適用於代碼測試，編寫交互式文檔，等等。需要註意的是，因為我們將tensorflow等工具安裝在venv虛擬環境下，因此，為了在jupyter中正常使用tensorflow，就必須做一些額外的工作，下面給出具體步驟：

（1）step1：安裝jupyter notebook

sudo pip install jupyter

（2）step2：進入venv虛擬環境（註意必須進入虛擬環境），設置kernel

pip install ipykernel
python -m ipykernel install --user --name=tensorflow

上述--name=tensorflow是設置顯示的環境名稱，當然可以起一個任意的名字。
（3）Step3：啟動jupyter

jupyter notebook

啟動之後，在new新文件時可以選擇tensorflow作為內核即可。

通過上述步驟，我們已經完全配置了深度學習所需的基本環境，可以在深度學習的海洋中遨遊了。

Ubuntu18.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook深度學習環境配置