Installation of Nvidia driver/Cuda 8.0/Cudnn 5.1 on Ubuntu

系統&硬體配備

GPU: GTX1060 6G
OS system: Ubuntu 16.04.02

Driver 安裝 （版本 375.xx)

Step1: 禁用可能导致问题的开源驱动，编辑 /etc/modprobe.d/blacklist.conf

sudo vim /etc/modprobe.d/blacklist.conf
添加以下内容:

blacklist amd76x_edac
blacklist vga16fb
blacklist nouveau
blacklist nvidiafb
blacklist rivatv

Step2: 卸载干净所有安装过的nvidia驱动
sudo apt-get remove  --purge nvidia-*

执行以下命令添加驱动源

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

Step3:以下步骤建议 Ctrl+Alt+F1 切换到 tty1 执行
sudo service lightdm stop
sudo apt-get install nvidia-375 nvidia-settings nvidia-prime
sudo apt-get install mesa-common-dev  (不確定用處，照網路上指示安裝）
sudo apt-get install freeglut3-dev   (不確定用處，照網路上指示安裝）
sudo nvidia-xconfig  (不確定用處，照網路上指示）
sudo update-initramfs -u （實寄執行 出現問題）
sudo reboot  （重開機）

Step4: 輸入指令 "nvidia-smi"確認安裝成功

安装CUDA8.0

Step1:從 CUDA Toolkit 裡選擇適合的版本下載

註：
Architecture 可以在終端機輸入”uname -m && cat /etc/*release ”
Installer Type  請一定要選擇runfile

Step2: 安裝下載檔

cd ~/Downloads  （進入檔案路徑）
sudo bash cuda_8.0.27_linux.run （安裝）
安裝過程中第一步會詢問是否要安裝 nvidia driver ，這裡就填 n ，避免先前安裝的 driver 被蓋過。

Step3:安裝完成後，增加環境變量到 .bashrc 檔案的最後面 

vim ~/.bashrc 
按" i " 開始編輯，加入下面這兩行 
export PATH=”/usr/local/cuda-8.0/bin:$PATH”export LD_LIBRARY_PATH=”/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH”
按 " esc " 結束編輯按 " :wq " 儲存後關閉

Step4: 測試 Cuda

cd  ~/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuerymake

網路上提到ubuntu16.04 預設的gcc 5.4.1 版本過高會有錯誤訊息，但實際跑過並沒有出現問題，gcc版本就維持預設。（gcc 版本查訊可輸入指令 gcc --version)

执行 ./deviceQuery ，得到:

cd ~/NVIDIA_CUDA-8.0_Samples/5_Simulations/nbody/make

执行：./nbody -benchmark -numbodies=256000 -device=0得到：

安裝Cudnn 5.1

cuDNN Download 從此處選擇 Download cuDNN v5 (May 27, 2016), for CUDA 8.0 RC 。

解壓縮後放到指定的位置
tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

參考網站：

https://zhuanlan.zhihu.com/p/25193943;

https://raix852.github.io/2016/08/21/tensorflow-gpu-installation