【完整版：深度学习环境配置】
声明：本次博客主要记录⾃⼰配置环境的过程以及中间遇到的问题和解决问题的⽅案，如果能有幸帮助到他⼈不胜荣幸，如果错误，望指出，以便及时更改。另外本⽅法是博主在⾃⼰的机⼦上⼀步⼀步进⾏的，确保可⾏，但是具体到不同的机⼦可能会有不同的问题，仅供参考。
环境：纯净的ubuntu16.04 显卡： GTX1050
安装流程：
1、安装英伟达显卡驱动
2、安装cuda8.0
3、安装cudnn
4、安装anaconda2
5、配置caffe环境，配置python接⼝
⼀：安装英伟达显卡驱动
本⼈的显卡为GTX1050，在⽹上看了诸多教程，好多教程都说要提前去官⽹下载好驱动，然后关闭图形界⾯，卸载ubuntu⾃带的驱动之类的，这种⽅法我亲⾝实验过⼏次，效果不好，装不上，总出问题，最明显的就是在登录界⾯循环，最后不得不把驱动卸载才能进去。本次⽅法使⽤ppa源直接安装，如下：
⾸先先去官⽹看⼀下⾃⼰GPU对应的驱动的版本号，这个不需要下载。
我使⽤的版本是375。
1、电脑连上⽹
2、按下ctrl+alt+F1进⼊tty模式（⿊窗⼝）
3、输⼊账户名和密码（建议此处不⽤⼩键盘）
4、依次运⾏下列语句
sudo apt-get purge nvidia-*  //删除现有驱动
sudo add-apt-repository ppa:graphics-drivers/ppa  //添加源
sudo apt-get update  //更新源
sudo apt-get install nvidia-375//nvidia-后⾯的数字是版本号
sudo reboot //重启
电脑重启之后，打开终端，输⼊：
nvidia-smi
出现结果如下图：
或者直接右上⾓，关于这台计算机，如下
OVER
⼆、安装cuda8.0
2.1 gcc版本问题
cuda8.0在ubuntu16.04中好像⽀持的gcc版本不超过5.3，提前先查⼀下⾃⼰的gcc版本，如果不符合要求就要降级。查询⽅式：
gcc--version
g++--version
博主的版本如下：
不需要降级。
如果需要降级的话推荐下⾯这种⽅式：
（1）下载gcc/g++ 4.7.x
sudo apt-get install -y gcc-4.7
sudo apt-get install -y g++-4.7
(2)链接gcc/g++实现降级
cd /usr/bin
sudo rm gcc
sudo ln -s gcc-4.7 gcc
sudo rm g++
sudo ln -s g++-4.7 g++
2.2 安装cuda8.0
请提前下载好cuda 8.0的runfile安装包，请⾃⾏百度，我⽤的是.run格式，安装包放在下载⽬录下。
1、cd到下载⽬录
2、终端输⼊下列代码
sudo sh cuda_8.0.61_375.26_linux.run--override
3、终端开始安装，⼀直按空格，直到下⾯显⽰100%
4、输⼊accept，接受协议
5、输⼊n，不安装驱动，【这个地⽅⼀定输⼊n】
接下来的输⼊y或者default直接回车就⾏，具体如下图：
等待完成即可。
OVER
三、安装cudnn
3.1安装cudnn8.0
⾃⾏百度下载相对应的cudnn版本，博主使⽤的为cudnn8.0，压缩包在下载⽬录下。
1、cd 下载，进⼊下载⽬录
2、终端输⼊下列代码：
tar -zxvf cudnn-8.
3、解压之后下载⽬录会产⽣⼀个cuda⽂件夹，然后依次输⼊下⾯代码。
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3.2 建⽴软连接
1、终端依次输⼊下列代码。
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.3 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
2、设置环境变量，终端输⼊下列代码。
sudo gedit /etc/profile
3、在打开的⽂档最下⾯加⼊下⾯代码。
PATH=/usr/local/cuda/bin:$PATH
vim编辑器下载与安装export PATH
4、保存退出，接下来创建链接⽂件，终端输⼊下列代码。
sudo vim /etc/f.f
5、按a进⼊插⼊模式，输⼊下⾯代码。
/usr/local/cuda/lib64
6、按esc退出插⼊模式，按:wq保存退出。
注意：vim是⼀个编辑器，没安装的可以输⼊下⾯代码进⾏安装。
sudo apt install vim
如果闲⿇烦直接使⽤gedit编辑器就可以了，也就是将第四条代码换成下⾯的。
sudo gedit /etc/f.f
其他同上，保存退出即可。
7、更新，终端输⼊下列代码。
sudo ldconfig      #使链接⽣效
注意：此处博主出现了⼀个问题，如下图。
原因：系统的是⼀个符号连接，⽽不是⼀个⽂件。这应该是个bug….
解决⽅案：
（1）对这两个⽂件更名
（2）重新建⽴符号链接
也就是终端依次输⼊下列代码：
sudo mv /usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.
sudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.
sudo ln -s /usr/lib/nvidia-375/libEGL.so.375.39 /usr/lib/nvidia-375/libEGL.so.1
sudo ln -s /usr/lib32/nvidia-375/libEGL.so.375.39 /usr/lib32/nvidia-375/libEGL.so.1
然后重新更新，终端输⼊。
sudo ldconfig
即可。
3.3 cuda Samples 测试
1、cd 到切换到CUDA 8.0 Samples默认安装路径(即在NVIDIA_CUDA-8.0_Samples⽬录下)。
2、终端输⼊。
sudo make all-j8  #8代表8核，可以更改
3、完成后终端依次输⼊。
cd bin/x86_64/linux/release
./deviceQuery
结果如下图，表明cuda和cudnn配置成功。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。