真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择（亲测非常实用）

大家好，又见面了，我是你们的朋友全栈君。

ubuntu 18.04 安装GPU +CUDA+cuDNN ：

目前，大多情况下，能搜到的基本上都ubuntu 14.04.或者是ubuntu 16.04的操作系统安装以及GPU 环境搭建过程，博主就目前自身实验室环境进行分析，总结一下安装过程。

1.实验室硬件配置（就需要而言）：

gpu : GeForce titan xp 12G 显存

内存： 64G

硬盘：512 SDD +2T 机械

主板：微星 x299 SLI PLUS

就配置而言，唯一有遗憾的就是主板，微星主板安装ubuntu 各种报小毛病，打电话给微星客服，客服说，这块主板供应商只在window 10 环境下进行过测试，但是，LINUX 系统，不知道行不行得通，让我自己想办法解决，-_-|| 。此处还是建议要采购设备的主板选择技嘉或者华硕的，注意看主板是否支持安装linux操作系统。

2 .ubuntu18.04 系统安装

首先，建议制作U盘启动盘（点击此处）进行安装，安装时需要设定主板 grub+legacy方式（重启进bios，boot项里面的），博主在安装系统时，尝试安装了各种版本的ubuntu系统，包括14.01、14.03、16.01、16.03、16.04，均未成功，所有的问题，都是，系统安装到一半，直接就报错，无法安装，在网上查找了许久，据说是显卡的问题导致的，有相关文档说，18.04版本可以避免这个问题。于是，尝试安装ubuntu18.04版本，OK ，按照大神推荐的双硬盘分配方案（点击此处）进行安装配置。安装成功。

大家在安装好系统后，要记得更新源。

3.安装GPU（针对ubuntu18.04）

进入系统后，系统默认是使用主板上的集成显卡，那么，我们需要做的事就是安装上自己的独立显卡，也就是titan xp的驱动，网上有3中安装方法，给大家推荐一下，可以收藏一下如何安装NVIDIA显卡（点击此处）。

此处给大家示范其中一个方法（自己的显卡对应自己的信息，以下只是示例）：

具备条件：root权限进行操作

修改root密码：

1.  $ sudo passwd    输入两次新密码

2.  $ su root       登陆 root账户

显卡驱动安装：

step .1：首先，检测你的NVIDIA图形卡和推荐的驱动程序的模型。执行命令：

$ ubuntu-drivers devices

输出结果为：

== /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

从中可以看到，这里有一个设备是GTX 680 ，对应的驱动是NVIDIA -304,340,384 ，而推荐是安装384版本的驱动。

step.2，安装驱动

你可以选择，安装所有推荐的驱动，如下命令

$ sudo ubuntu-drivers autoinstall

你也可以选择，只安装其中一个驱动，命令如下

$ sudo apt install nvidia-340

OK 驱动安装完成，重新启动，查看系统配置—》详细信息—》关于，图形处理是否对应于自己的独立显卡。

4.安装CUDA（针对18.04）

安装CUDA 这里需要注意;

咱们需要根据cuDNN 来选择，如图，首先，cuda只能支持17.04,16.04的ubuntu 下载安装，但，实际上，有点类似于word一样（高版本word能打开低版本的word文件 .）18.04版本的系统，能够安装16.04版本对应的CUDA。

真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择（亲测非常实用）

目前cuda 最高版本为9.2，且只支持 16.04,17.04 这两个系统，而且，我们安装完CUDA 之后还需要安装cuDNN。

那么cuDNN 的版本又有什么选择呢，如下

真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择（亲测非常实用）

首先，根据cuDNN 的版本，目前，较为完善的，是cuDNN v7.0.5 ,其适用于 CUDA 9.1 版本，所以，咱们在选择安装cuda的时候，选择 CUDA 9.1。下载地址

真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择（亲测非常实用）

按下图进行选择

真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择（亲测非常实用）

对应的有一下四个文件，需要统统下载，第一个是主文件，后3个相当于补丁。

真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择（亲测非常实用）

开始安装：

step .1 GCC 降级

由于CUDA 9.0仅支持GCC 6.0及以下版本，而Ubuntu 18.04预装GCC版本为7.3，

故手动进行降级：

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

装完后进入到/usr/bin目录下

  $ls -l gcc*

会显示以下结果

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

发现gcc链接到gcc-7.0, 需要将它改为链接到gcc-4.8，方法如下:

sudo mv gcc gcc.bak #备份 sudo ln -s gcc-4.8 gcc #重新链接

同理，对g++也做同样的修改：

ls -l g++*

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

需要将g++链接改为g++-4.8:

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

再查看gcc和g++版本号：

gcc -v g++ -v

均显示gcc version 4.8 ，说明gcc 4.8安装成功。

step. 2 安装cuda ,及其补丁

输入命令安装Base Installer：

sudo sh cuda_9.1.85_387.26_linux.run

需要注意的是，之前已经安装过显卡驱动程序，故在提问是否安装显卡驱动时选择no,其他选择默认路径或者yes即可。

然后，继续执行以下操作安装3个 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

安装完毕之后，将以下两条加入.bashrc文件中.

sudo vim ~/.bashrc

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

OK ,那么，到这一步，cuda 就安装完成了

5.安装cuDNN（针对18.04）

cuDNN 的安装，就是将 cuDNN 包内的文件，拷贝到cuda文件夹中即可。

step.1按照第四点分析的内容，我们需要下载的cuDNN 版本为

真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择（亲测非常实用）

cuDNN v7.0.0 library for liunx，下载地址（需要注册才能进行下载）

下载完毕后，切到默认的Downloads文件夹，可以看到 cudnn-9.1-linux-x64-v7.tgz 压缩包

先解压，然后将其中的内容复制到CUDA安装文件夹里面.

step.2 复制cuDNN内容到cuda相关文件夹内

sudo cp cuda/include/cudnn.h /usr/local/cuda/include 注意，解压后的文件夹名称为cuda ,将对应文件复制到 /usr/local中的cuda内 sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

到此处，所以的安装就完成。

接下来就可以安装相应的软件，如：anaconda,pycharm tensorflow 等。