z270 1080ti ubuntu1610 cuda8 cudnn6下深度学习实验环境搭建

astron最近一直很忙，搭建实验环境的事情从11月一拖再拖，每次只能搞几个小时就得等几周才能回归，终于有两天时间来搞自己的深度学习环境了。之前安装各个版本的软件，都遇到了兼容性问题。特此记录下。

z270
这个主板上面可以安装单gpu。1080ti只能安装一台，两台据说有带宽问题，没有验证。
操作系统方面，至少需要ubuntu1610。因为1604的驱动里面不太兼容z270。
今天就是先用1604刻录了镜像，安装过程就报了pci的错误。索性直接放弃了。

操作系统
因此1610是最低的版本。1704和1710都是可以的。我之前一直是用1710做的，最后一步安装tensorflow-gpu的时候出了问题，是cuda的问题，但是重装cuda8或者cuda9后，都找不到/usr/local/cuda和/usr/local/cuda8.0的安装目录，最后就重装了系统，同时操作系统改成1610，现在想起来1710和1704也是可以的。

cuda9和cudnn7安装上后，可以编译sample通过，这个让astron很高兴。但是安装tensorflow就出现麻烦了。因为tensorflow1.4都不支持cuda9。
看了网上的说明，说是要自己下载tf源码编译。没有继续考虑这步。今天是1月6日，google搜了下2018年1月4日，tf1.5出来了，tf支持cuda9了，于是astron去清华镜像上下载了whl文件。但是安装后tf还是报错啊，说什么6.0.so找不到。想着赶紧做实验，怕后面还出些幺蛾子，就用的cuda8+cudnn6的组合了。

这个上面是遇到的坑，后面还会列举些遇到的问题。至此安装的软件选型就定了。完全按照知乎上的这篇文章还做就可以了 https://zhuanlan.zhihu.com/p/32118549 作者是这个https://zhuanlan.zhihu.com/p/32118549

3. 安装1080TI显卡驱动:

sudo apt-get purge nvidia*

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

sudo apt-get update && sudo apt-get install nvidia-384 nvidia-settings

注意：sudo apt-get purge nvidia* 是清理以前安装过的nvidia驱动，没有装过可以忽略这条命令。

安装完毕后重启机器，运行 nvidia-smi，看看生效的显卡驱动：

4.安装CUDA8.0

因为Tensorflow和Pytorch目前官方提供的PIP版本只支持CUDA8，cuda-repo-buntu1604-8-0-local-ga2_8.0.61-1_amd64.deb"

和 "cuBLAS Patch Update to CUDA 8":

进入目录后，执行命令：

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb

sudo apt-get update

sudo apt-get install cuda

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64.deb

sudo apt-get update

sudo apt-get upgrade cuda

在 ~/.bashrc 中设置环境变量：

sudo vi ~/.bashrc

在最后添加：

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

export CUDA_HOME=/usr/local/cuda

运行 source ~/.bashrc 使其生效

5.安装CUDNN

CUDA8 的最佳拍档依然是cuDNN6.0(7.0目前运行tensorflow会报错)，在NIVIDA开发者官网上，找到cudnn的下载页面: https://developer.nvidia.com/rdp/cudnn-download ，选择"Download

cuDNN v6.0 (April 27, 2017), for CUDA 8.0" 中的

"cuDNN v6.0 Library for Linux":

下载后安装非常简单，就是解压然后拷贝到相应的系统CUDA路径下，注意最后一行拷贝时 "-d"不能少，

tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz

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

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d

没有报错就是全部安装完成了。



6.安装Tensorflow GPU 1.4

由于Anaconda 可以提供完整的科学计算库，所以直接使用Anaconda
来进行相关的额安装。

6.1安装Anaconda

下载地址：https://www.anaconda.com/download/

这里我们下载Python 3.6 64bit 的Anaconda
4.4.0，直接安装即可。
完成后请加上source ~/.bashrc。
6.2在Anaconda中安装TensorFlow GPU 1.4

conda create --name tf python=3.6 #创建tf环境

source activate tf #激活tf环境

pip install --ignore-installed --upgrade tensorflow-gpu