CAFFE（一）：Ubuntu 下安裝CUDA（安裝：NVIDIA-384+CUDA9.0+cuDNN7.1）

（安裝：NVIDIA-384+CUDA9.0+cuDNN7.1）

顯卡(GPU)驅動：NVIDIA-384

CUDA:CUDA9.0

cuDNN:cuDNN7.1

Ubuntu 下安裝CUDA需要裝NVIDIA驅動，首先進入NVIDIA官網，然后查詢對應NVIDIA驅動是否支持你電腦的型號。

這里我的電腦是：華碩F450J ，自帶的NVIDIA GEFORCE 745。

第一步、安裝NVIDIA GPU驅動

去NVIDIA官網查詢是否支持我電腦的GPU如下

 

可以看出：GeForce 700M Series (Notebooks):

GeForce GTX 780M, GeForce GTX 770M, GeForce GTX 765M, GeForce GTX 760M, GeForce GT 755M, GeForce GT 750M, GeForce GT 745M, GeForce GT 740M, GeForce GT 735M, GeForce GT 730M, GeForce GT 720M, GeForce GT 710M, GeForce 720M, GeForce 710M, GeForce 705M

GeForce GT 745M為我電腦的型號，所以version：390.48是支持我的NVIDIAGPU驅動的。

所以第二部我們安裝NVIDIA DISPLAY DRIVER  version：390.48 執行如下代碼：

第一部分：安裝后續步驟或環境必需的依賴包 

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler   

sudo apt-get install --no-install-recommends libboost-all-dev   

sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev   

sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev   

sudo apt-get install git cmake build-essential

輸入以下代碼輸出如下信息則表示依賴環境安裝成功

code：

sudo apt-get install git cmake build-essential 

顯示：

Reading package lists... Done   
Building dependency tree
Reading state information... Done
build-essential is already the newest version (12.1ubuntu2). 
cmake is already the newest version (3.5.1-1ubuntu3).  
git is already the newest version (1:2.7.4-0ubuntu1.3).   
0 upgraded, 0 newly installed, 0 to remove and 126 not upgraded. 

表示依賴環境安裝成功

 

第二部分：安裝顯示驅動

去官網下載NVIDIA的顯卡（GPU）驅動然后運行。或者直接終端上運行，執行如下代碼。

sudo apt-get update  
sudo add-apt-repository ppa:graphics-drivers/ppa 
sudo apt-get update 
sudo apt-get install nvidia-384  
sudo apt-get install mesa-common-dev 
sudo apt-get install freeglut3-dev  　　

執行結束后，重新啟動系統

sudo reboot  #或者sudo shutdown -r now

開機后檢測是否安裝顯示驅動成功

nvidia-settings  #或者直接點擊dash開始界面輸入NVIDIA查看

顯示如下信息表示安裝成功

 配置環境變量

sudo gedit ~/.bashrc

在.bashrc中加入如下兩行

export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH 
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

第二步、安裝NVIDIA CUDA

第一部分、先進入NVIDIA官網的CUDA Toolkit 下載界面

如下圖所示，下載CUDA Toolkit

注意：這個地方的提示，要安裝這個CUDA Toolkit 9.1，需要先安裝至少NVIDIA DISPLAY DRIVER R390 版本3.90以上。

CUDA Toolkit 

下載好CUDA Toolkit9.1后，執行如下代碼進行安裝（此處不需要安裝OPGL），代碼如下： 

sudo sh cuda_9.0.176_384.81_linux.run --no-opengl-libs    #run文件的文件名根據自己下的文件名修改，默認是我提供的文件 

輸出顯示：

Do you accept the previously read EULA? 
accept/decline/quit: accept 
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81? 
(y)es/(n)o/(q)uit: n 
Install the CUDA 9.0 Toolkit? 
(y)es/(n)o/(q)uit: y 
Enter Toolkit Location 
[ default is /usr/local/cuda-9.0 ]:  
Do you want to install a symbolic link at /usr/local/cuda? 
(y)es/(n)o/(q)uit: y 
Install the CUDA 9.0 Samples? 
(y)es/(n)o/(q)uit: y 
Enter CUDA Samples Location 
[ default is /home/pertor ]:  
Installing the CUDA Toolkit in /usr/local/cuda-9.0 ... 
Missing recommended library: libXmu.so 

添加環境變量： 

sudo gedit ~/.bashrc

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

source ~/.bashrc

驗證CUDA9.0是否安裝成功

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery

輸出如下信息表示成功安裝

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GT 740M"
  CUDA Driver Version / Runtime Version          8.0 / 8.0
  CUDA Capability Major/Minor version number:    3.5
  Total amount of global memory:                 2004 MBytes (2100953088 bytes)
  ( 2) Multiprocessors, (192) CUDA Cores/MP:     384 CUDA Cores
  GPU Max Clock rate:                            1032 MHz (1.03 GHz)
  Memory Clock rate:                             800 Mhz
  Memory Bus Width:                              64-bit
  L2 Cache Size:                                 524288 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers

第三步、安裝NVIDIA cuDNN

登錄官網下載cuDNN 

這個需要申請賬號，注冊后進入官網，如下圖所示

　　cuDNN 的全稱是 The NVIDIA CUDA® Deep Neural Network library，是專門用來對深度學習加速的庫，它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度學習的加速優化，目前最新版本是 cuDNN 7.1，接下來我們來看下它的安裝方式。 

下載鏈接：https://developer.nvidia.com/rdp/cudnn-download，需要注冊之后才能打開，這里我們選擇 cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0，然后選擇 cuDNN v7.1.1 Library for Linux，如圖所示： 

下載下來之后解壓安裝，執行如下步驟： 

tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz 
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d 
sudo chmod a+r /usr/local/cuda/include/cudnn.h 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn* 

　　執行完如上命令之后，cuDNN 就安裝好了，這時我們可以發現在 /usr/local/cuda/include 目錄下就多了 cudnn.h 頭文件。 

終端中執行nvcc -V 顯示如下信息則表示成功 

nvcc -V

pertor@pertor-computer:~$ nvcc -V  
nvcc: NVIDIA (R) Cuda compiler driver 
Copyright (c) 2005-2017 NVIDIA Corporation 
Built on Fri_Sep__1_21:08:03_CDT_2017 
Cuda compilation tools, release 9.0, V9.0.176 

 

提示：

　　不建議安裝CUDA 9.1 ，建議安裝CUDA 9.0版本。CUDA 9.1里面自帶387驅動，但是一般CUDA 9.1自帶的驅動一般很難安裝成功的，所以建議自己去單獨安裝384顯示驅動。並且官網提示CUDA9.1 需要的顯卡驅動必須至少是390以上版本，所以安裝了384顯卡驅動則需要安裝CUDA9.0。

　　為了保險起見我們應該裝CUDA 9.0和 nvidia-384這個版本。