ubuntu 18.04 RTX2080(ti) --- tensorflow-gpu + cuda9.0 + cudnn-9.0 (ubuntu 16.04, TITAN XP)

0.下载display driver、cuda和cudnn

RTX2080 Display Driver
cuda
cudnn
版本对应关系

1. 禁止系统默认的显卡驱动

打开系统黑名单

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

将下列代码填入文件末尾

# for nvidia display driver install
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb

更新initramfs

sudo update-initramfs -u

重启电脑

sudo reboot

查看是否禁用成功，无输出则禁用成功

lsmod | grep nouveau

2. RTX2080显卡驱动安装

首先安装gcc，g++，make

sudo apt-get install -y gcc g++ make

Ctrl+Alt+F1~F6进入命令行模式

sudo chmod a+x NVIDIA-Linux-x86_64-410.57.run
sudo ./NVIDIA-Linux-x86_64-410.57.run

注意1：如果原来安装过，需要先卸载（会卸载掉之前安装的版本），再进行安装

sudo ./NVIDIA-Linux-x86_64-410.57.run -uninstall

或者

sudo apt-get --purge remove nvidia-*

最好在进行

sudo apt-get autoremove

注意2：安装报错(xxx nvidia-drm xxx)，进行如下命令，再卸载，再进行安装

sudo systemctl isolate multi-user.target
sudo modprobe -r nvidia-drm
# 重新启动图形界面
# systemctl start graphical.target

注意3：在远程服务器报错(You appear to be running an X server)，则使用如下命令关闭 X server，再卸载，再进行安装

sudo service lightdm stop

3. cuda9.0的安装

gcc和g++版本降级，ubuntu18.04默认gcc7.3，降级为gcc5，则ubuntu17.04和ubuntu16.04的cuda9.0都能编译

sudo apt-get install gcc-5 gcc-5-multilib g++-5 g++-5-multilib

将gcc和g++版本切换成gcc5和g++5

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 40
sudo update-alternatives --config gcc

输入想要使用的gcc编号

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 40
sudo update-alternatives --config g++

输入想要使用的g++编号，查看gcc版本，已经切换到了gcc5

gcc -v

cuda9.0安装

sudo sh cuda_9.0.176_384.81_linux.run

Install NVIDIA Accelerated Graphics Driver for xxxxxx: n
Install the CUDA xxxxxx Toolkit:y
Enter Toolkit Location: /usr/local/cuda-xxxxxx
Do you want to install a symbolic link at /usr/local/cuda: y
Install the CUDA 10.0 Samples: n

设置cuda环境变量

gedit ~/.bashrc

在.bashrc文件末尾添加如下代码，则当前用户可以使用

# cuda9.0
export PATH=$PATH:/usr/local/cuda/bin/
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64/

source ~/.bashrc

或者在profile中添加上面代码，则所有用户都能使用

gedit /ect/profile

重启电脑

sudo reboot

测试cuda9.0是否安装成功

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

最后输出的是Result = PASS，说明cuda9.0安装成功了

4. cudnn的安装

解压cudnn

tar -zxvf cudnn_xxx.tar.gz

cd cudnn-9.0-linux-x64-v7.3.1.20
sudo cp cuda/include/cudn* /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

5. pycharm中的配置

Run — Edit Configurations — Environment variables — 点击右边的文件夹图案 — 点击+号
name中输入：LD_LIBRARY_PATH
value中输入：/usr/local/cuda-9.0/lib64
这样 import tensorflow 就不会报错说找不到 libcublas.so.9.0

6. OK成功，愉快的使用吧

参考博客