本機配置：i7-8700 GTX1070。經測試，本方案在i7-9700K 泰坦XP上也適用：

在安裝之前首先感謝實驗室師弟寫的部落格，但是寫的估計有點亂，為了實驗室以後裝cuda這些東西方便一些，這裡配上圖，改進了一下之前師弟寫的教程，更易懂一點：

1.安裝nvidia-384：

進入軟體更新，附加驅動，選擇nvidia-384，之後點選右下角的應用更改，然後輸入密碼，等它安裝：

安裝成功之後會提示我們重啟：

然後我們選擇重啟。

重啟之後我們進入終端，輸入命令：

nvidia-smi

如果能顯示出下圖類似的資訊，則說明安裝成功了：

2.檢查相關環境配置：

在安裝之前我們先更新一下，具體操作如下所示：

之後：

可能需要更新一些東西，我們輸入y，然後回車就可以啦。之後系統就會自動下載更新一些東西。裝完之後我們會顯示如下資訊：

就是不報錯就可以了，我們接下來做一些測試：

1.驗證自己的電腦是否有一個可以支援CUDA的GPU：

你可以在電腦的配置資訊中找到顯示卡的具體型號，如果你是雙系統，在windows下的裝置管理器中也可以查到顯示卡的詳細資訊;在ubuntu下面的話，你可以通過下面這行命令來簡單檢視一下NVIDIA GPU版本資訊：

lspci | grep -i nvidia

2.驗證自己的linux版本是否支援CUDA：

uname -m && cat /etc/*release
 

3.驗證系統是否安裝了gcc

gcc --version

其實這個剛裝完系統的話應該都裝好了，但是為了保險起見，你還是可以檢視一下，如果你沒有安裝的話，你可以採取下面的命令對其進行安裝：

sudo apt-get install build-essential

4.驗證系統是否安裝了kernel header和package development:

a.檢視正在執行的系統核心版本：

uname -r

b.安裝對應kernel版本的kernel header和package development：

sudo apt-get install linux-headers-$(uname -r)
 

這個的話表示系統中已經有了，不用重複安裝。

如果以上各項檢查均滿足要求的話，接下來就可以正式地進入安裝介面了，如果有些地方沒有滿足要求的話，你需要參考cuda的官方文件，裡面有詳細的針對每個問題的解決方案。在以下連結中可以找到：https://docs.nvidia.com/cuda/

3.安裝cuda：

我們按照上述方案進行選擇，之後選擇下載Base Installer。下載完成之後的話，我們會在ubuntu的下載目錄下找到：

但是我一般將其安裝在home資料夾下面，所以我需要將其複製到home資料夾下面：

之後的話，我們可以採用MD5檢驗序號，看看序號是否會對得上：

cuda_9.0.176_384.81_linux.run

可以看到這裡的版本是對到的，那麼沒有什麼問題，一切都很正常。接下來的話，我們需要採用runfile安裝cuda：

1.禁用nouveau驅動：

lsmod | grep nouveau

可以看到，我的電腦是沒有輸出的。如果有輸出的話則代表nouveau正在載入，我們需要手動禁止掉（由於我的電腦是已經被禁止掉了的，所以下面禁止的方法並沒有試驗過，大家慎重一點）：

Ubuntu的nouveau禁用方法：

a、在/etc/modprobe.d中建立檔案blacklist-nouveau.conf，命令如下：

sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

在檔案中輸入以下內容：

blacklist nouveau             options nouveau modeset=0

b.執行命令：

sudo update-initramfs –u

之後再次檢視是否禁止成功：

lsmod | grep nouveau

若無內容輸出，則禁用成功，若仍有內容輸出，請檢查操作，並重覆上述操作。

2.按Alt + ctrl +F1進入命令列介面：

輸入自己的使用者名稱以及密碼：

這裡的話會顯示中文亂碼，我們可以下載一個包來解決這個問題：

sudo apt-get install fbterm

之後啟動它：

sudo fbterm

然後我們進入zhiqianghe這個使用者（每個人設定的不同）：

su zhiqianghe

得到下面的介面：

之後我們關閉圖形化介面：

sudo service lightdm stop

之後我們再切換到我們cuda檔案的位置，在我這裡就是在當前目錄下，然後我們執行它：

sudo sh cuda_9.0.xx_xx_linux.run

對應自己的檔名稱。之後我們進入nvidia的協議裡面，需要我們看他的協議：

我們敲回車，敲到100%

之後它顯示問我們是不是接受這個東西，我們在終端輸入accept。

然後提示是否安裝nivdia的驅動，我們不需要安裝這個，輸入n，之後敲回車：

遇到提示是否安裝openGL ，選擇no（如果你的電腦跟我一樣是雙顯，且主顯是非NVIDIA的GPU在工作需要選擇no，否則可以yes），其他都選擇yes或者預設即可。（如果您的電腦是雙顯示卡且在這一步選擇了yes，那麼你極有可能安裝完CUDA之後，重啟圖形化介面後遇到登入介面迴圈問題：輸入密碼後又跳回密碼輸入介面。 這是因為你的電腦是雙顯，而且用來顯示的那塊GPU不是NVIDIA，則OpenGL Libraries就不應該安裝，否則你正在使用的那塊GPU（非NVIDIA的GPU）的OpenGL Libraries會被覆蓋，然後GUI就無法工作了。）

安裝成功後，會顯示installed，否則會顯示failed。

之後我們重新啟動圖形化介面：

sudo service lightdm start

如果能夠成功登入，則表示不會遇到迴圈登入的問題，基本說明CUDA的安裝成功了。如果不能進入的話，參考以下方案，否則跳過：

如果你遇到了重複登陸情況，不用急著重灌系統，官方教程上有提及，原因上一步的注中有提及，在安裝openGL時你可能不注意選擇了yes，請解除安裝cuda,然後重灌。 解除安裝：由於登陸進入不到圖形使用者介面（GUI），但我們可以進入到文字使用者介面(TUI)

在登陸介面狀態下，按Ctrl + Alt + f1,進入TUI 執行 $ sudo /usr/local/cuda-9.0/bin/uninstall_cuda_9.0.pl $ sudo /usr/bin/nvidia-uninstall 然後重啟 $ sudo reboot 重新安裝.run   再次安裝時請一定留意，在提示是否安裝OpenGL時，你的是雙顯示卡應該選則n。  

進入ubuntu之後我們重啟電腦：

sudo reboot

之後檢查Device Node Verification

ls /dev/nvidia*

包含一個類似/dev/nvidia-uvm的，則安裝成功。

大多數結果可能會是這樣 ls: cannot access/dev/nvidia*: No such file or directory 或是這樣的，只出現 /dev/nvidia0     /dev/nvidiactl a中的一個或兩個，但沒有/dev/nvidia-num，即檔案顯示不全。 不用著急也不用急著重灌系統（我在安裝時就是這種情況），官方指導中有詳細的解決方案，但是我的方法和官方稍微有些出入。

首先要新增一個啟動指令碼（新增啟動指令碼的方法大致有兩種，我採用最直接的方法，另一種可以先建立一個檔案然後通過mv的方式移動到啟動資料夾下，可自行百度） 執行 $ sudo vi /etc/rc.local 如果你是第一次開啟這個檔案，它應該是空的(除了一行又一行的#註釋項外)。這檔案的第一行是 #!/bin/sh -e 把-e去掉（這步很重要，否則它不會載入這文字的內容） 然後把下列內容除了#!/bin/bash外複製到其中，(before exit 0 )儲存退出。

#!/bin/bash /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 $D 0 else exit 1 fi 下次重啟時，你應該能直接看到/dev目錄下的三個nvidia的檔案 輸入：$ ls /dev/nvidia* 結果顯示：/dev/nvidia0       /dev/nvidiactl       /dev/nvidia-uvm

成功！  

由於我這裡是一次成功，所以上述方案僅供參考，並沒有實踐過。

接下來我們設定環境變數：

sudo gedit /etc/profile

上述命令會開啟一個檔案，我們在末尾新增兩行：

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

我這裡裝的是cuda9.0如果你們裝的不是的話，這個cuda-9.0這個目錄就還得改一下。

如果是32位系統的話：

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

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib\                                                    ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

之後我們選擇重啟電腦：

sudo reboot

a.之後我們檢查上述環境是否設定成功：

cat /proc/driver/nvidia/version

得到上述結果。

b.再驗證CUDA Toolkit:

nvcc -V

得到下圖結果：

如果你的是：

The program 'nvcc' is currently not installed. You can install it by typing: sudo apt-get install nvidia-cuda-toolkit

這樣的話，那就表明環境變數沒有新增成功，你需要按照上文中說的新增環境變數，再去新增一下。

接下來我們嘗試編譯一下cuda的例子：

我們首先需要進入NVIDIA_CUDA-9.0_Samples這個資料夾下面，在這下面開啟終端，然後make一下：

我這裡的話也是一次就成功了，如果出現沒有gcc報錯的話，我們可以安裝一下：

 sudo apt-get install gcc

如果編譯成功，最後會顯示Finished building CUDA samples，如下圖所示：

之後的話，我們執行編譯生成的二進位制檔案：進入到這個NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release資料夾下面，輸入：./deviceQuery  

./deviceQuery  

結果如下圖所示：看到類似如下圖片中的顯示，則代表CUDA安裝且配置成功，其中 Result = PASS代表成功,若失敗 Result = FAIL：

最後再檢查一下系統和CUDA-Capable device的連線情況：

終端輸入 ： $

./bandwidthTest

看到類似如下圖片中的顯示，則代表成功：

4.安裝cudnn：

然後提示我們登入，有帳號的話就登入，沒有的話就註冊一個：

之後我們點選上圖的安裝包進行下載：

我們將其解壓，解壓之後名稱會變為cuda：

之後我們將其移入home資料夾下面，然後進入cuda的include資料夾下面，執行下面這個命令複製標頭檔案：

sudo cp cudnn.h /usr/local/cuda/include/

之後在終端進入cuda/lib64資料夾下面，執行以下命令：

#複製動態連結庫

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

 #刪除原有動態檔案

cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.7 

 #生成軟銜接

sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7

#生成軟連結

sudo ln -s libcudnn.so.7 libcudnn.so

隨後需要將路徑/usr/local/cuda/lib64 新增到動態庫：

sudo gedit /etc/ld.so.conf.d/cuda.conf

在開啟的檔案裡面輸入：

/usr/local/cuda/lib64

終端下接著輸入命令使連結生效：

sudo ldconfig

之後檢視一下是否連結成功：

sudo ldconfig -v

可以看到，我們這裡是有這個檔案的。ldconfig命令的用途主要是在預設搜尋目錄/lib和/usr/lib以及動態庫配置檔案/etc/ld.so.conf內所列的目錄下，搜尋出可共享的動態連結庫（格式如lib*.so*）,進而創建出動態裝入程式(ld.so)所需的連線和快取檔案。

之後用下面這個命令檢視是否安裝成功：

5.安裝Tensorflow：

我們首先看一下有沒有python：

一般都有，沒有的話安裝一下：

之後安裝一下pip：

sudo apt-get install python-pip

更新一下pip:

sudo pip install -U pip

安裝tensorflow-gpu 1.9.0：

sudo pip install tensorflow-gpu==1.9.0

之後進入python輸入以下命令：

import tensorflow as tf
print(tf.__version__)