Ubuntu16.04安装1050Ti驱动396+CUDA9.0+cudnn7.0.5

            刚开始使用从官网上下载.run文件安装，出现循环登录问题，后使用系统自带的驱动也不行，PPA方式也会出现循环登录问题，简直都要放弃了，最后还是用PPA方式安装成功。

首先清理boot缓存区的数据，发现里面有三个内核，清理掉一个之后系统也流畅了很多。

然后安装网上PPA的教程安装驱动：

禁用nouveau驱动

Ubuntu系统集成的显卡驱动程序是nouveau，我们需要先将nouveau从Linux内核卸载掉才能安装NVIDIA官方驱动。 
将nouveau添加到黑名单blacklist.conf中，(关于blacklist参见 《禁用Linux内核驱动》),linux启动时，就不会加载nouveau. 
因为nouveau驱动的影响，ubuntu安装后无法登入桌面，所以在ubuntu系统启动显示登录界面后，需要按ctrl+alt+F1进入tty文本模式进入下面的操作

由于blacklist.conf文件的属性不允许修改。所以需要先修改文件属性。

查看属性

ll /etc/modprobe.d/blacklist.conf

•  

修改属性

sudo chmod 666 /etc/modprobe.d/blacklist.conf

•  

用vi编辑器打开

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

•  

在文件末尾添加如下几行：

blacklist vga16fb 
blacklist nouveau 
blacklist rivafb 
blacklist rivatv 
blacklist nvidiafb

修改并保存文件后，记得把文件属性复原：

sudo chmod 644 /etc/modprobe.d/blacklist.conf

•  

再更新一下内核

sudo update-initramfs -u

•  

关于update-initramfs命令的用途，参见 《initramfs 简介，一个新的 initial RAM disks 模型》 
修改后需要重启系统。 
重启系统确认nouveau是已经被屏蔽掉，使用lsmod命令查看：

lsmod | grep nouveau 

无显示

•  

lsmod命令用于显示已经加载到内核中的模块的状态信息，参见《lsmod命令》

安装NVIDIA显卡驱动396

因为系统中不光有NVIDIA显卡还有一块集成intel显卡能正常驱动，所以经过上一步禁用nouveau驱动后，再次重启，已经系统可以正常登录进入桌面了。

使用如下命令添加Graphic Drivers PPA

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

寻找合适的驱动版本

ubuntu-drivers devices

按ctrl+alt+F1进入tty文本模式 
关闭(图形)桌面显示管理器LightDM

sudo service lightdm stop

安装nvidia driver,如果网速度不好，可能要花比较长的时间 
安装完成后重启

sudo apt-get install nvidia-396
sudo reboot

重启系统后，执行下面的命令查看驱动的安装状态显示安装成功

sudo nvidia-smi
sudo nvidia-setting

二、安装cuda9.0 （Ubuntu16.04.61版本安装前不需要gcc降级）

在网上下载好CUDA9.0的.run文件

1. 去cuda官网下载cuda 9.0 tool kit，注意务必下在.runfile包，因为只有这个包可以选择不安装cuda自带的驱动。如果你用.deb包，它将会默认给你安装自带的驱动，那么会将你第一步安装的nivida驱动覆盖掉。

2. 重启电脑，然后按Ctrl + Alt + F1进入控制台，将lightdm关闭。

   sudo /etc/init.d/lightdm stop

3. .runfile 包安装。进入到该包所在的位置，并执行：

   sudo sh cuda_9.0.runfle 
   其中cuda.runfile是你下载的包的名字

4. 之后系统会提示一系列的安装选择，yes or no。其中只有driver选择no，其余的选择yes。

5. 安装完毕后，重启lightdm。即输入：

   sudo /etc/init.d/lightdm restart

6. 重启电脑。

   sudo reboot

7. 重启后，需要添加环境变量。进入ubuntu图形界面，在命令行输入：

   sudo gedit  etc/profile
   在文件末尾添加： 

      PATH = /usr/local/cuda-9.0/bin:$PATH 

      export PATH

  export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:/lib

  8.      保存完成后，执行如下命令使环境变量生效：

    source /etc/profile

 9.      然后还需添加lib的路径。

sudo gedit /etc/ld.so.conf.d/cuda.conf 
10. 在文件中写入如下命令并保存
  /usr/local/cuda/lib64

11.然后执行如下命令使之生效：

sudo ldconfig 
上面的命令ldconfig第一个是字母l，不是数字1

1. 检验环境是否设置好，有两种方法

   方法一：打开终端，输入cuda，按2次Tab键，如果有弹出的命令提示，说明环境配置成功。

2. 方法二：打开终端，输入nvcc –version，若出现如下图片，则说明环境配置成功。

尝试编译cuda提供的例子

1)打开终端输入：$   cd /home/xxx/NVIDIA_CUDA-9.0_Samples        其中xxx是你自己的用户名，通过命令cd进入NVIDIA_CUDA-9.0_Samples目录。
然后终端输入：$ make
系统就会自动进入到编译过程，整个过程大概需要十几到二十分钟，请耐心等待。如果出现错误的话，系统会立即报错停止。

第一次运行时可能会报错，提示的错误信息可能会是系统中没有gcc，

解决办法就是通过命令重新安装gcc就行，在终端输入：$ sudo apt-get install gcc 安装完gcc后， 再make就正常了。

如果编译成功，最后会显示Finished building CUDA samples，如下图所示。

2）运行编译生成的二进制文件。
编译后的二进制文件 默认存放在NVIDIA_CUDA-9.0_Samples/bin中。
接着在上一个终端中输入 ：$  cd /home/lxxx/NVIDIA_CUDA-9.0_Samples/bin/x86_64/linux/release       其中xxx是你自己的用户名
然后在终端输入 ：$ ./deviceQuery  

结果如下图所示：看到类似如下图片中的显示，则代表CUDA安装且配置成功，其中 Result = PASS代表成功,若失败 Result = FAIL

3）最后再检查一下系统和CUDA-Capable device的连接情况
终端输入 ： $ ./bandwidthTest
看到类似如下图片中的显示，则代表成功

为什么要安装cuda samples？

一方面是为了后面粗大的学习，另一方面前一步只是检测cuda是否配置成功。若真的想看cuda是否安装成功，则需要成功编译cuda samples。但如果没有通过编译，或者虽然最后一行显示PASS，但是编译过程中有ERROR，请自行GOOGLE解决之后，再向下安装，否则失之毫厘谬以千里！！！

make时，尽量使用make -j，这取决于电脑的配置。比如我电脑时8核的，就写成make -j8。这样一来可以最大限度的使用cpu编译，加快编译速度。

三、cudnn7.0.5

解压安装包以后会出现cuda的目录，进入该目录

1. cd cuda/include/

2. sudo cp cudnn.h /usr/local/cuda/include/

3. cd ../lib64

4. sudo cp lib* /usr/local/cuda/lib64/

5. sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

接下来执行以下命令：

1. cd /usr/local/cuda/lib64/

2. sudo rm -rf libcudnn.so libcudnn.so.7

3. sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7

4. sudo ln -s libcudnn.so.7 libcudnn.so

在终端中输入以下命令进行环境变量的配置：

sudo gedit /etc/profile

在出现的文件中进行编辑，在末尾加上并保存：

1. PATH=/usr/local/cuda/bin:$PATH

2. export PATH

创建链接文件

sudo gedit /etc/ld.so.conf.d/cuda.conf

在该文件中，插入/usr/local/cuda/lib64并保存，然后使用sudo ldconfig使之生效。

测试：查看cudnn版本

sudo cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A2

四、opencv3.4安裝

1.安装

sudo apt-get install python3-pip

2.升级

sudo pip3 install --upgrade pip

 

2.6 tensorflow1.6 （GPU）的安装

sudo pip3 install tensorflow-gpu

2.7 tensorflow测试是否安装成功

https://blog.csdn.net/weixin_40293138/article/details/79647035