Ubuntu16.04+Gtx1080ti+cuda9.0+cudnn7+Anaconda3+opencv3+pytorch+jupyter notebook配置

Ubuntu16.04+Gtx1080ti+cuda9.0+cudnn7+Anaconda3+opencv3+pytorch+jupyter notebook配置

make -j ( ( (( (((nproc)+1)) #这个可以用cpu最快的速度

安装Ubuntu16.04:

如果出现no root file system defined， 那么是分区时缺少挂载点，就看下面的分区选择弄就行了。由于电脑本身含有win8的系统，在安装linux时，心血来潮把win8给格掉了，grub引导项也随之走了。这里有两个办法可以解决：1. 重新安装win8，用diskgenius重新建立分区表。（没尝试）2. 给linux重新分区。（第一次分区可能未建立efi分区，但是在可以在第二次安装的时候直接选择reinstall，而不选择重新分区，这样就含有grub引导项了。当然，有efi分区了就别删了）
我的分区选择： / ：15Gboot： 200Mswap:  32G剩下的全是home的。（留下了1G多。网上说效果会比较好。。。随便了~。~）机械硬盘的2T 选择了/usr分区。除了 / 根分区选择了主分区，其他的都选择逻辑分区。

安装Nvidia驱动：

在安装Nvidia驱动时，可能显示Nouveau显卡正在运行: Ubuntu自带的Nouveau显卡和Nvidia显卡冲突，需要先关掉Nouveau显卡。

查看属性：sudo ls -lh /etc/modprobe.f
修改属性：sudo chmod 666 /etc/modprobe.f
用gedit编辑器打开：(gedit改成vi和vim都行)sudo gedit /etc/modprobe.f
在文档末尾加入如下几行：blacklist vga16fbblacklist nouveaublacklist rivafbblacklist rivatvblacklist nvidiafb

安装Nvidia驱动：

1. 在官网直接下载Nvidia驱动的runfile文件。
2. Ctrl+alt+F1 #进入字符界面，输入用户名和密码。（这是为了关闭图形界面）
3. sudo service lightdm stop #关闭图形界面
4. sudo chmod 755 NVIDIA-Linux-x86_64-367.44.run #进入下载文件的目录下操作。赋予权限
5. sudo ./NVIDIA-Linux-x86_64-367.44.run #安装驱动

查看显卡驱动版本：
  nvidia-smi 或 cat /proc/driver/nvidia/version 或 lspci sudo lshw -c video | grep configuration

问题-登录界面反复，且驱动安装不上。
  把gcc4.9变成gcc5.4
  装了sudo apt-get install linux-headers-uname -r,但该指令未成功，改为sudo apt-get -f，安装后即可正确安装显卡驱动。

问题-系统重启，显卡驱动就会掉
    1. 这时候打开系统的About，会看到llvm的驱动，说明显卡驱动掉了；使用nvidia-smi也显示错误；
    2. ls /usr/src | grep nvidia 查看已安装的显卡驱动;
    3. 安装dkms，sudo apt install dkms
    4. dkms安装nvidia，sudo dkms install -m nvidia -v 525.89.02
    5. 这时候可以使用nvidia-smi看驱动了；reboot之后，显卡就正常了；

gcc/g++降级：

由于CUDA不支持gcc和g++5.3以上版本，所以需要给gcc和g++降级： 下载包： sudo apt-get install gcc-4.9 sudo apt-get install g++-4.9

给下载的包软链接：cd /usr/binsudo rm gccsudo ln -s gcc-4.9 gccsudo rm g++sudo ln -s g++-4.9 g++
查看版本：gcc --version g++ --version 

安装Cuda:

官网 下载run文件 终端执行命令： 1. sudo sh cuda_8.0.27_linux.run --no-opengl-libs #不加这个选项会进入循环登陆 2. 启动安装程序，一直按空格到最后，输入accept， 接受条款 3. 输入n，不安装nvidia图像驱动 （如果选择了y，再直接关机的话， 显卡驱动就会与linux的cpu冲突（这句话有错误），就是屏幕不会有输出） 4. 后面就一直y，或者enter完成安装就行了。 我们在之前已经安装了Nvidia驱动，所以这里就不用安装了。如果是自己的笔记本电脑，可以试一试。

配置环境变量：sudo gedit /etc/profile在文件最后添加路劲：export PATH=/usr/local/cuda-9.0/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH测试：cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuerysudo make./deviceQuery如果显示的是关于GPU的信息，那么则说明安装成功了。环境变量设置：sudo vim ~/.bashrc在末尾添加： export CUDA_HOME=/usr/local/cuda-9.0export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATHexport PATH=/usr/local/cuda-9.0/bin:$PATH
刷新：source ~/.bashrc动态链接库设置：创建文件：sudo vim /etc/f.f写入：/usr/local/cuda/lib64	#如果这里出错，那可以进入root权限再进行写入。使之生效：sudo ldconfig -v检查：1. cuda版本：nvcc -V2. Sample测试（进入Cuda的sample文件夹）make (要几分钟的样子）#编译进入Samples的bin/x86_64/linux/release/目录，运行deviceQuery程序：sudo ./deviceQuery #最后一行显示Result=Pass，就是安装成功了运行bandwidthTest程序：sudo ./bandwidthTest #最后一行显示Result=Pass，就是安装成功了

安装Cudnn:

下载好cudnn的压缩包。 进入相应目录，解压： tar -zxvf cudnn-8. 在解压后的cuda目录进行如下操作： cd cuda/include/ sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件 cd ../lib64 #打开lib64目录 sudo cp lib* /usr/local/cuda/lib64/ #复制库文件 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* #给所有用户增加这些文件的读权限

问题： CUDNN_STATUS_INTERNAL_ERROR
那么在终端输入： sudo rm -rf ~/.nv
然后重启就行了

建立软连接：
  终端输入：
  cd /usr/local/cuda/lib64/
  sudo rm -rf libcudnn.so libcudnn.so.7
  sudo ln -s libcudnn.so.7.0.4 libcudnn.so.7
  sudo ln -s libcudnn.so.7 libcudnn.so

设置环境变量：
  sudo gedit /etc/profile
  在末尾加入：
  PATH=/usr/local/cuda/bin:$PATH
  export PATH

创建链接文件
  sudo vim /etc/f.f
  加入如下信息：
  /usr/local/cuda/lib64 #如果加入后不能保存，可以进入root权限再进行操作。
  sudo ldconfig #使链接生效

如果出现“/al: /usr/lib/nvidia-375/libEGL.so.1 is not a symbolic link/al: /usr/lib32/nvidia-375/libEGL.so.1 is not a symbolic link”这样的错误，可以输入如下几行再进行操作：sudo mv /usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1sudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1sudo ln -s /usr/lib/nvidia-375/libEGL.so.375.39 /usr/lib/nvidia-375/libEGL.so.1sudo ln -s /usr/lib32/nvidia-375/libEGL.so.375.39 /usr/lib32/nvidia-375/libEGL.so.1

python最好直接安装Anaconda，不然可能出现很多问题。
安装包依赖，python的pip和easy_install和git，在如下链接：
#

安装Anaconda:

提示：之前安装的是Anaconda2，以及配置了python的依赖环境后，pytorch无法安装到home/ai/anaconda2.不知道是哪个出现了问题，但是删除了依赖环境和Anaconda2之后， 安装anaconda3，torch就能安装了。 官网下载Anaconda3的sh文件 执行sudo bash Anaconda3----------------------. #注意，需要另外开启一个terminal才能打开Anaconda。在原终端访问不了。

#别装这个了，我们需要装的是pytorch。
安装torch：
1. git clone .git ~/torch --recursive
2. 进入torch目录，执行 bash install-deps
3. ./install.sh #最后会要你输入一个yes
4. source ~/.bashrc #添加环境变量
5. 输入 th 测试是否安装成功。

建设Juptyer notebook远程服务器配置：

blog.csdn/u013473520/article/details/50696771 blog.csdn/bitboy_star/article/details/51427306

Jupyter Notebook建设双核Python(python2和python3)

看这个网址。应该就如下两个语句就行了： python2 -m pip install ipykernel python2 -m ipykernel install --user 但检测的时候，用错了语句，所以多输入了几个其他语句。理论上这两句就行了。

安装opencv：

# wwwblogs/arkenstone/p/6490017.html 从这个网站可以得到官网安装呢opencv的做法 但我的经验是，这些都是假的！！！！！！！！！！！！！！cuda8.0和opencv各种问题。。。 使用如下指令直接安装 opencv-python： pip install opencv-python 直接装也是可以的，但是不要装opencv3.3，装opencv3.2.直接就能安装成功。

安装opencv2.4.13:.html按照这个网址的教程安装即可。

安装pytorch：

直接使用官网的命令： conda install pytorch torchvision cuda90 -c pytorch 可能是之前安装了python的环境和依赖的相关东西，所以安装的时候出现了问题。 1. 出现了home/ai/anaconda2不能读入； 2. conda: command not found. 解决方式： sudo chown -R ai:ai /home/ai/anaconda3/ #解决权限问题 用conda update conda #解决conda命令问题

  官网：pytorch
  官网上有三种安装方式，conda,pip和source
  使用pip安装，
    pip3 install .3.0.post4-cp36-cp36m-linux_x86_64.whl
    pip3 install torchvision
  他提示pip未更新到最新状况。在更新到最新状况后，发现仍然不行。
    使用pip -V，发现版本是3.6.2
    使用pip2 -V，发现版本是2.7
    使用pip3 -V，发现版本是3.5

  所以发现是pip3的问题，在输入 alias “pip3.6”="python3.6 -m pip $1"之后，就可以使用pip3.6安装。
  将pip3.6带入官网上的pip3就能安装pytorch了。