之前用過TensorFlow的CPU版，現在買了個新電腦，就想把GPU也用起來，又因為目前大部分工作是在linux下做，所以有了在linux下安裝cuda和TensorFlow的計劃，快一個禮拜一直在搞這件事，重灌了N次系統，cuda和TensorFlow終於是能用了。姑且寫一下攻略吧，也算自己留個檔。

注意事項

1. 此攻略適用於廣大使用Nvidia顯示卡的Ubuntu使用者，CentOS，RedHat，Windows等等使用者請自行閱讀Nvidia各種安裝說明，A卡使用者出門左轉。
2. 雙顯示卡使用者注意，按此攻略安裝的nvidia顯示卡驅動可以支援TensorFlow等等的機器學習計算，然而並不能優化圖形介面。這個主要是因為我目前還沒找到好的辦法進行雙顯示卡切換，搞了幾次都搞到重灌，心累，所以現在圖形化介面還是用的Intel集顯。如果大家有好辦法歡迎共享。
3. 關於軟體版本以及安裝方法，這裡安裝的是CUDA-8.0+CUDNN-7+TensorFlow-0.11.0，Nvidia驅動和CUDA都是指令碼安裝，CUDNN是Debian包安裝，TensorFlow是pip直接安裝。

廢話不多說了。

原料

• 一個有Nvidia顯示卡的電腦
  要知道N卡的型號，不知道的可用命令sudo lspci | grep -i nvidia檢視，我的是GTX960M
• 一個Ubuntu系統
  同樣要明確系統版本，我的是16.04
• GCC
  GCC為系統自帶程式，無需自行安裝。有安裝教程說gcc需要降級到5以下，這個主要針對CUDA和你的Ubuntu系統版本，我用的gcc 5.4版本裝CUDA8完全沒有問題，Ubuntu14.04的使用者最好降一降。
• CUDA8安裝指令碼
  貼個連結指路，官網現在預設你安裝的是9.0版本，然而9.0版本需要顯示卡驅動至少在384及以上，出於穩妥考慮裝了8.0版本，同樣對驅動有要求（在375及以上）。
• CUDNN安裝包
  連結指路下載前需要註冊，然後要填個問卷，按步驟來就行很快，然後按照你的系統版本和你將要安裝的cuda版本選擇下載哪一個，Ubuntu使用者不要選power8，可以看到一共有三個包可以下載，分別是Runtime Library，Developer Library和Code Samples，都下了吧反正也不大（你走）。
• 驅動安裝指令碼
  連結指路，按照提示找到適合自己電腦顯示卡型號的驅動，下載得到一個指令碼(.sh)檔案。

步驟

解除安裝原有的N卡驅動

這一步主要是針對像我這種以前為了各種謎之目的裝過Nvidia驅動而版本又不夠高導致後面CUDA裝了不能用的熊程式設計師，以及看了別家攻略安裝失敗了的你，不要覺得之前裝過Nvidia驅動裝錯了就可以直接丟開。
執行以下命令：

sudo apt-get --purge remove nvidia-*

對於之前從Nvidia官網下載安裝過驅動的，如果你的驅動版本小於CUDA的要求（8.0至少375，9.0至少384），找到之前安裝指令碼所在的目錄，執行以下命令：

sudo sh 你的指令碼.sh --uninstall

禁用開源驅動nouveau

Ubuntu系統預設使用的驅動即為開源的驅動nouveau，我們需要禁用它並且之後也不需啟用。
編輯系統配置檔案blacklist.conf

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

在其中新增下面兩行：

blacklist nouveau
options nouveau modeset=0

儲存，退出，執行如下命令使配置生效：

sudo update-initramfs -u

重啟電腦，至此開源驅動就已被禁用了，可用如下命令進行檢查：

lsmod | grep nouveau

如果系統什麼也沒返回，說明nouveau禁用成功

關閉UEFI模式

這一步主要是安裝驅動的需要。在UEFI模式下安裝驅動需要為驅動生成簽名，公鑰需要儲存在linux核心信任的某目錄下，關於這方面沒有找到什麼資料，目前大部分的解決辦法都是直接關閉UEFI模式。
UEFI的關閉方法與電腦型號有關，我的戴爾靈越是F2進入BIOS後在Boot標籤下選擇關閉Secure Boot，之後就可以選擇從UEFI模式切換到Legacy模式，其他電腦型號請百度。

結束X server服務

在終端輸入以下命令：

sudo service lightdm stop

之後如果直接宕機請重啟檢視nouveau禁用設定是否正確。正常情況會黑屏，然後按Ctrl+Alt+F1進入字元終端介面，輸入使用者名稱和密碼通過驗證。

安裝Nvidia驅動

進入存放驅動指令碼的目錄，執行以下命令：

sudo chmod a+x 你的指令碼.sh
sudo ./你的指令碼.sh -no-x-check -no-nouveau-check -no-opengl-files

執行指令碼的三個引數是為了防止接下來迴圈登入。然後按照步驟進行就可以了，如果提示無法安裝32-bit lib不用擔心，回車繼續就好。
安裝完成後重新啟動X server服務：

sudo service lightdm start

如果執行以上命令後能夠正常進入圖形介面，恭喜你安裝驅動成功。

安裝CUDA

進入CUDA安裝指令碼所在的目錄，執行以下命令：

sudo sh 你的指令碼.sh

首先會出現一段極長的協議，最後輸入accept表示同意，然後會選擇是否安裝nvidia驅動367，選擇no，遇到詢問是否安裝opengl的地方如果你是雙顯示卡也務必選擇不安裝，其他同意或預設即可。
安裝完成後需要將CUDA的路徑加入環境變數，首先開啟~/.bashrc檔案，新增以下程式碼：

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

中間不要加多餘的空格，如果你安裝的不是8.0版本則修改版本號，儲存，然後開啟/etc/profile，文末加上以下程式碼：

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

儲存，至此CUDA安裝完畢。

安裝CUDNN

進入CUDNN安裝包所在目錄，執行以下命令：

sudo dpkg -i runtime包.deb
sudo dpkg -i developer包.deb
sudo dpkg -i 程式碼sample包.deb

至此，CUDNN安裝完成。

驗證CUDA和CUDNN是否安裝成功

CUDNN的code sample可以用來檢查CUDNN和CUDA是否安裝成功，執行以下命令：

sudo cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
sudo make clean
sudo make
sudo ./mnistCUDNN

正常情況下執行以上程式碼會得到Test passed!的結果。如果在make步出錯，那麼可能gcc需要降級；如果出現CUDA driver version is insufficient for CUDA runtime version，那麼或許你的顯示卡驅動安裝失敗，或許你之前安裝過低版本的nvidia的顯示卡又沒有刪掉。

安裝TensorFlow

如果以上步驟都沒有問題，恭喜你可以開始安裝TensorFlow了。這裡採用的是用pip安裝的方法。首先安裝pip和python dev：

sudo apt-get install python-pip python-dev

安裝完畢後執行如下命令：

sudo pip install https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl

如果出現無法訪問的情況，翻個牆或者去清華映象站安裝吧，注意選擇tensorflow和python版本，通常來說是能夠正常下載安裝的。
至此TensorFlow安裝完成。

驗證TensorFlow是否安裝成功以及是否是否能夠使用GPU

注意：如果是關閉UEFI模式安裝的GPU驅動，那麼在使用GPU加速機器學習時也需要關閉UEFI模式，否則會報錯。
開啟一個python終端：

python

逐行敲入以下程式碼：

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print sess.run(hello)

如果出現以下字樣，說明TensorFlow安裝成功，並且能夠成功啟用GPU。

Ctrl+D關閉python終端。
如果出現以下錯誤，或許UEFI模式沒有關閉，或許顯示卡驅動安裝錯誤。

參考文件

• Nvidia Driver官方安裝指南
• Nvidia Cuda官方安裝指南
• Nvidia CUDNN官方安裝指南