Ubuntu 16.04 上安装 CUDA 10.1和cuDNN v8.0.5

  直接运行 cuda_10.1.105_418.39_linux.run ，然后按照要求一步步 *** 作就可以了。中慎这里需要注意的是，因为已经安装了其他版本的cuda和驱动。所以，在安装的时候，不需要安装驱动。

  其实，这里最主要想说的是cudnn的安装，安装的过程碰到了一点问题。刚开始，按照以前的方法，直接执行命令：

  念桐看命令的第一行，直接把cudnn.h复制到cuda-10.1的安装目录下。问题就出在这里，复制之后执行命令 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 查看cudnn版本，结果发现没任何输出。

  找到cudnn.h这个文件，发现文件的内容和较早cuDNN v7.0.5版本少了很多内容。于是，找到官方安装文档 https://docs.nvidia.com/deeplearning/cudnn/archives/cudnn-803/install-guide/index.html 。官方文档给出的命令为：

  注意到，第一行命令和以前不一样，然后进到文件夹仔细查看这些cudnn*.h这些文件。发现官方只是把以前的cudnn.h的内容拆分到了多个文件中。这里只需要按照官方的指令重新复制就可以了。

  还有一点需要注意，cudnn的版本信息被放到了cudnn_version.h文件中，所以，这里想要查看cudnn的版本信息，应该使用指令 cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 。

   PS：安装软件还是要先看官方文档仔培坦，以官方文档为准，避免安装的时候出现问题。

  可以看到这里有3个版本的cuda，我们只需要在/usr/local目录下新建一个软链接cuda，直接让cuda指向某一个版本的cuda文件夹就可以了。比如，这里我们使用最新的10.1版本： sudo ln -s /usr/local/cuda-10.1 /usr/local/cuda 。以后，如果想切换其他版本的cuda，只需要修改软链接的指向。

  最后，将/usr/local/cuda写入到环境变量。通过vi ~/.bashrc打开文件，然后将以下命令加入到文件末尾：

然后source一下，使其立即生效： source ~/.bashrc 。

 在终端中输入： $ lspci | grep -i nvidia ，会显示自己的NVIDIA GPU版本信息

二、禁用nouveau

终端中运行：$ lsmod | grep nouveau，如果有输出则代表nouveau正在加载。

三、运行cuda.run 文件

会出现依赖错误：

sudo apt-get install freeglut3-dev build-essential libx11-dev

sudo apt-get install libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa

sudo apt-get install libglu1-mesa-dev

把InstallUtils.pm 文件复制到

/usr/lib/x86_64-linux-gnu/perl-base/ 文件夹中

重新运行安装文伏陆件，添加参数

./cuda.run --override --toolkitpath=/home/XXX/local/cuda-8.0

安装过程中不安装英伟达驱动，不创建软链接，其余默洞扰认yes。

安装成功

在.bashrc文件尾部中添加：

export PATH=/home/solar/local/cuda-8.0/bin:$PATH

export LD_LIBRARY_PATH=/home/solar/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

终端输入 nvidia-smi 检测是否成功

解压cudnn.tgz文件,

sudo cp cudnn.h /home/solar/local/cuda-8.0/include/    

sudo cp lib* /home/solar/local/cuda-8.0/lib64/        

安装anaconda

直接运行.sh文件，安装成功

输入 conda info -e 查看是否安装成功

添加源：

conda config --add channels 'http://mirrors.ustc.edu.cn/anaconda/pkgs/free/'

conda config --set show_channel_urls yes

PS：服务器没办法解析域名 ，创建环境缺颤顷的时候总是提示网络错误。。。

修改resolv.conf

添加nameserver 8.8.8.8

或者nameuser 114.114.114.114

创建新的conda环境：

conda create -n transorflow python=python3.6

使用新的环境：

source activate tensorflow

然后：

pip install tensorflow_XX.whl

完成后进入python 

输入

import tensorflow as tf

hello=tf.constant('hello,Tensorflow')

sess=tf.Session()

print sess.run(hello)

输出 hello,Tensorflow则成功