Tensorflow1.5.0+cuda9.0+cudnn7.0+gtx1080+ubuntu16.04
0. 前記
之前的博客已經寫過如何進行Tensorflow1.5.0+cuda8.0+cudnn6.0+gtx1080的環境搭建了，由於最近需要安裝caffe2，所以考慮對環境進行升級。可以說，環境的配置問題真的是一個很麻煩的問題，所以我也有必要寫一篇博客，幫助你們能少踩些坑吧。這次搭建的時候我特意注意了官網給出的說明，按照說明進行搭建。
一路走過來先說幾個建議:
-
下載cuda文件就下載runfile吧，deb軟件包是官方的推薦，如果實在不會安裝，可以用這個。
-
cudnn文件盡量下載壓縮文件，不要下載deb包。
-
cudnn下載版本問題，下邊會有說明
-
這樣可能稍微少走一點彎路。最后需要感謝的是我的老師，他也提供給我一個救命稻草：救命博客，所以也很感謝寫出這篇博客的博主。ps:之前參考了一個博客，說是1.6.0的tensorflow與cuda9&cudnn適配，但是我這里沒有成功。
-
最后提供了官方說明文檔，還是需要仔細看看的，但還是沒有博客好~~hh
1. 環境說明
-
GeForce gtx 1080
-
ubuntu16.04
-
Nvidia驅動版本：nvidia-390
-
Cuda 9.0(原有環境Cuda 8.0)
-
Cudnn 8.0(原有環境Cudnn 7.0)
因為原有環境的原因，可能需要先卸載，再重裝，這也是官網建議的（但是我的一個小伙伴他沒有卸載8.0，還是照常使用了，所以再次建議你們先保留，如果不行的話，再重頭再來）
2. 安裝GTX1080顯卡驅動
1、在官網下載對應自己系統的驅動（官網也可以檢測驅動），選擇自己對應的系統即可，版本號是390.77，下載為一個.run文件。
【此處無法用apt直接下載更新，是因為apt源里的NVIDIA驅動是非常久遠的版本了】
2、打開終端，首先卸載一下之前安裝的
$ sudo apt-get --purge remove nvidia-*
3、打開blacklist：
$ sudo gedit /etc/modprobe.d/blacklist.conf
在最后添加幾行：
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv
這個地方容易出現的問題是明明把nouveau添加到了blacklist里，安裝驅動的時候還是會出現這個錯誤，后面會講解決辦法。
保存退出。
【接下來是針對nouveau的雙重保險】
這個時候在終端嘗試一下
$ lsmod | grep nouveau
如果沒有輸出，可以忽略下面這一段，直接開始安裝1080的驅動，如果仍有輸出，終端輸入：
$ sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
直接寫入：
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off
保存關閉，再嘗試
$ sudo update-initramfs -u
$ reboot
$ lsmod | grep nouveau
應該OK了，如果不OK，再往下看。
4、開始安裝驅動，記住你的驅動的.run文件的下載路徑和完整文件名（如果你的版本號和我的不同，請自行修改），注銷賬戶，按Ctrl+Alt+F1進入命令界面，登入
$ sudo /etc/init.d/lightdm stop
$ sudo init 3
$ sudo /path/to/NVIDIA-Linux-x86_64-390.42.run -no-x-check -no-nouveau-check -no-opengl-files
$ sudo /etc/init.d/lightdm start
這里是關閉x server，nouveau和不下載opengl文件（我也不太明白是個啥），安裝complete后用
$ nvidia-smi
檢查一下，是否出來你的顯卡信息
最后reboot
sudo reboot
3. CUDA 9.0安裝
（如果你之前已經安裝了，可以先看）
官網下載9.0版本，選擇對應系統，請下載runfile
在下載文件夾終端輸入（根據下載的文件名來）
$ sudo sh cuda_9.0.176_384.81_linux.run
具體選項：
Do you accept the previously read EULA? (accept/decline/quit): accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64? ((y)es/(n)o/(q)uit): n
Install the CUDA Toolkit? ((y)es/(n)o/(q)uit): y
Enter Toolkit Location [ default is /usr/local/cuda-9.1 ]:
Do you want to install a symbolic link at /usr/local/cuda? ((y)es/(n)o/(q)uit): y
Install the CUDA Samples? ((y)es/(n)o/(q)uit): y
Enter CUDA Samples Location [ default is /home/user ]:
有一個關鍵是會讓你選擇是否安裝Graphics Driver for Linux-x86_64：XXXX版本，這個地方必須選擇no！否則會覆蓋之前的驅動。
安裝完畢之后，聲明環境變量，終端輸入
$ sudo gedit ~/.bashrc
在最后加上
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}}
保存退出
$ source ~/.bashrc
在profile中也輸入上面兩行聲明
$ sudo gedit /etc/profile
保存退出，reboot一下
驗證驅動版本：390.42
$ cat /proc/driver/nvidia/version
NVRM version: NVIDIA UNIX x86_64 Kernel Module 390.42 Sat Mar 3 04:10:22 PST 2018
GCC version: gcc version 5.4.0 20160609 (Ubuntu 5.4.0-6ubuntu1~16.04.9)
驗證CUDA版本：9.0
$ 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
還有可能遇到的問題是沒有安裝gcc或者gcc版本過高需要手動進行降級，都比較好解決，我好像沒有遇到這種問題，如果出現個這兩種問題手動解決一下即可，很簡單的。
4. cuDNN安裝
在官網下載，需要注冊賬號，目前提供的不同版本為：
之前那個博主寫的時候還是：
之前看到for CUDA9.0就開始下載，下了一個7.2的所以導致失敗 ，應該下載cudnn-9.0-linux-x64-v7.tgz(7后邊沒有別的版本號了)，那篇博客中這樣說的，選擇以下的內容：
很不幸，發現現在已經是這樣了：
所以只好從CSDN中下載了一份，你們可以直接搜索剛才那個軟件包的名字，這里提供一個我上傳的鏈接https://pan.baidu.com/s/1IQFchjn7K8G_3RsG0bwsrQ吧：
因為我是修改cuDNN版本，所以還要卸載之前裝的7.1.1，沒裝過的可以直接安裝
$ sudo rm -rf /usr/local/cuda/include/cudnn.h
$ sudo rm -rf /usr/local/cuda/lib64/libcudnn*
3、官網下載的是一個后綴為.solitairetheme8的文件，修改一下即可
$ cp cudnn-9.0-linux-x64-v7.solitairetheme8 cudnn-9.0-linux-x64-v7.tgz
4、在下載路徑解壓文件，復制到本地路徑，這里解壓出來的文件名比較重要，后面會要對照着看
$ tar -zxvf cudnn-9.0-linux-x64-v7.tgz
cuda/include/cudnn.h
cuda/NVIDIA_SLA_cuDNN_Support.txt
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.7
cuda/lib64/libcudnn.so.7.0.3
cuda/lib64/libcudnn_static.a
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
5、到本地cuda路徑，創建軟連接，終端輸入，
這里的文件名就參照之前解壓出來的文件名對照着寫
，就算和我下的不是一個版本也能搞定啦
$ sudo chmod +r libcudnn.so.7.0.3
$ sudo ln -sf libcudnn.so.7.0.3 libcudnn.so.7
$ sudo ln -sf libcudnn.so.7 libcudnn.so
$ sudo ldconfig
6、在本地cuda路徑檢測一下
$ ll
出現cuDNN對應的版本號就證明安裝成功啦
lrwxrwxrwx 1 root root 13 3月 19 16:02 libcudnn.so -> libcudnn.so.7*
lrwxrwxrwx 1 root root 17 3月 19 16:02 libcudnn.so.7 -> libcudnn.so.7.0.4*
-rwxr-xr-x 1 root root 287641664 3月 19 16:00 libcudnn.so.7.0.4*
5. Tensorflow-GPU安裝
我直接采用的pip安裝，也是最簡單最直接的安裝方式，喜歡別的方式的可以在網上搜一下
我用的是anaconda3,所以開啟一個環境
$ conda create -n tensorflow python==3.5(我用的那個庫支持3.5比較好，版本看你們情況)
$ source activate tensorflow
$ sudo pip uninstall tensorflow
$ sudo pip install --upgrade --ignore-installed tensorflow-gpu==1.5.0
測試
$ python
import tensorflow as tf
如果沒有報錯，那就恭喜啦~~
6. Cuda的卸載，cuDNN的卸載
處理之前安裝的cuda文件
之前安裝的版本會對現有版本造成沖突，需要卸載
Use the following command to uninstall a Toolkit runfile installation:
$ sudo /usr/local/cuda-X.Y/bin/uninstall_cuda_X.Y.pl
Use the following command to uninstall a Driver runfile installation:
$ sudo /usr/bin/nvidia-uninstall
Use the following commands to uninstall a RPM/Deb installation:
$ sudo yum remove <package_name> # Redhat/CentOS
$ sudo dnf remove <package_name> # Fedora
$ sudo zypper remove <package_name> # OpenSUSE/SLES
$ sudo apt-get --purge remove <package_name> # Ubuntu
處理之前安裝的cuDNN
$ sudo rm -rf /usr/local/cuda/include/cudnn.h
$ sudo rm -rf /usr/local/cuda/lib64/libcudnn*
7. Reference
https://blog.csdn.net/weixin_41864878/article/details/79621210?tdsourcetag=s_pctim_aiomsg