ubuntu 16.04 gtx1060 显卡安装

骑猪看日落 2022-05-28 05:24 169阅读 0赞

首先说明，这是在台式机上的安装测试经历，首先安装的win10，然后安装ubuntu16.04双系统，显卡为GTX1060  
台式机显示器接的是GTX1060 HDMI口

--------------------

一、首先安装nvidia显卡驱动

1.  打开终端，先删除旧的驱动： sudo apt-get purge nvidia\*  
    
2.  禁用自带的 驱动 （很重要！），通过如下命令创建一个文件： sudo vim /etc/modprobe.d/blacklist-nouveau.conf  
    
3.  在文件内添加如下内容：1.blacklist nouveau 2.options nouveau modeset=0
4.  更新一下：sudo update-initramfs -u  
    
5.  关闭`X-Window`：sudo service lightdm stop  
    
6.  切换到tty1控制台：Ctrl+Alt+F1
7.  执行如下命令开始安装：sudo ./NVIDIA.run
8.  安装完成后重新启动`X-Window： sudo service lightdm start`
9.  然后`Ctrl+Alt+F7`进入图形界面
    
    如果安装后驱动程序工作不正常，使用下面的命令进行卸载：sudo sh ~/NVIDIA-Linux-x86\_64-367.44.run --uninstall
10. 检查是否安装成功，过程跟第一种方案一样，输入：1.nvidia-smi 2.nvidia-settings  
    
11. 进入ubuntu系统设置-软件与更新-ubuntu软件，使用的是中科大的源：[http://mirrors.ustc.edu.cn/ubuntu][http_mirrors.ustc.edu.cn_ubuntu]，如下所示
    
    ![这里写图片描述][20160825140536726]  
      
    更新Ubuntu16.04源，终端输入  
    `cd /etc/apt/`  
    `sudo cp sources.list sources.list.bak`  
    `sudo vi sources.list`  
    把下面的这些源添加到source.list中：  
    `deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse`  
    `deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse`  
    `deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse`  
    `deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse`  
    `deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse`  
    `deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse`  
    `deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse`  
    `deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse`  
    `deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse`  
    `deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse`  
    最后更新源和更新已安装的包：  
    终端输入  
    `sudo apt-get update`  
    `sudo apt-get upgrade`  
    
12. 安装nvidia驱动，终端输入（这是第二种方法）
    
    `sudo add-apt-repository ppa:graphics-drivers/ppa`  
    回车后继续  
    sudo apt-get update  
    sudo apt-get install nvidia-410  
    sudo apt-get install mesa-common-dev  
    sudo apt-get install freeglut3-dev  
    之后重启系统让GTX1060显卡驱动生效  
    
13. 测试
    
    终端输入  
    `nvidia-smi`  
    显示效果如下图表示安装成功  
    ![这里写图片描述][20160824173453043]

--------------------

二、cuda安装

1.  下载cuda\_8.0.27\_linux.run和cudnn-8.0-linux-x64-v5.1.tgz  
    
2.  安装cuda8.0
    
    终端输入  
    `cd 下载/`  
    `sh cuda_8.0.27_linux.run --override`  
    启动安装程序，一直按空格到最后，输入accept接受条款  
    输入n不安装nvidia图像驱动，之前已经安装过了  
    输入y安装cuda 8.0工具  
    回车确认cuda默认安装路径：/usr/local/cuda-8.0  
    输入y用sudo权限运行安装，输入密码  
    输入y或者n安装或者不安装指向/usr/local/cuda的符号链接  
    输入y安装CUDA 8.0 Samples，以便后面测试  
    回车确认CUDA 8.0 Samples默认安装路径：/home/lhu（lhu是我的用户名），该安装路径测试完可以删除  
    安装完显示如下图  
    ![这里写图片描述][20160825104924424]  
    
3.  安装cudnn v5.1
    
    终端输入  
    `cd 下载/`  
    `tar zxvf cudnn-8.0-linux-x64-v5.1.tgz`  
    解压在下载目录下产生一个cuda目录  
    `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  
    
4.  建立软链接
    
    终端输入  
    `cd /usr/local/cuda/lib64/`  
    `sudo rm -rf libcudnn.so libcudnn.so.5`  
    `sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5`  
    `sudo ln -s libcudnn.so.5 libcudnn.so`  
    设置环境变量，终端输入  
    `sudo gedit /etc/profile`  
    在末尾加入  
    `PATH=/usr/local/cuda/bin:$PATH`  
    `export PATH`  
    保存后，创建链接文件  
    `sudo vim /etc/ld.so.conf.d/cuda.conf`  
    按a进入插入模式，增加下面一行  
    `/usr/local/cuda/lib64`  
    按esc退出插入模式，按:wq保存退出  
    最后在终端输入`sudo ldconfig`使链接生效  
    
5.  cuda Samples测试
    
    打开CUDA 8.0 Samples默认安装路径，终端输入  
    `cd /home/lhu/NVIDIA_CUDA-8.0_Samples`  
    `sudo make all -j4` （4核）  
    出现`“unsupported GNU version! gcc versions later than 5.3 are not supported!”`的错误，这是由于GCC版本过高，在终端输入  
    `cd /usr/local/cuda-8.0/include`  
    `sudo cp host_config.h host_config.h.bak`  
    `sudo gedit host_config.h`  
    ctrl+f寻找有“5.3”的地方，只有一处，如下  
    `# if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3)`  
    `#error -- unsupported GNU version! gcc versions later than 5.3 are not supported!`  
    将两个5改成6，即  
    `#if __GNUC__ > 6 || (__GNUC__ == 6 && __GNUC_MINOR__ > 3)`  
    保存退出，继续在终端输入  
    `cd /home/lhu/NVIDIA_CUDA-8.0_Samples` （lhu是我的用户名）  
    `sudo make all -j4` （4核）  
    完成后继续向终端输入  
    `cd bin/x86_64/linux/release`  
    `./deviceQuery`  
    完成之后出现如下图所示，表示成功安装cuda  
    ![这里写图片描述][20160825105847588]

--------------------

三、安装opencv 3.2

从官网上下载opencv3.2.0  
[http://opencv.org/downloads.html][http_opencv.org_downloads.html]  
并将其解压到你要安装的位置，假设解压到了/home  
首先安装Ubuntu系统需要的依赖项，虽然我也不知道有些依赖项是干啥的，但是只管装就行，也不会占据很多空间的。

sudo apt-get install --assume-yes libopencv-dev build-essential cmake git libgtk2.0-dev pkg-config python-dev python-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip

*  1

然后安装opencv需要的一些依赖项，一些文件编码解码之类的东东。

sudo apt-get install build-essential cmake git
    
    sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip

*  1
 *  2
 *  3

在终端中cd到opencv文件夹下，然后

mkdir build   #新建一个build文件夹，编译的工程都在这个文件夹里
    cd build/    
    cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local/opencv3.2 -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" ..

*  1
 *  2
 *  3

cmake成功后，会出现如下结果，提示配置和生成成功：

-- Configuring done
    -- Generating done
    -- Build files have been written to: /home/ise/software/opencv-3.1.0/build

*  1
 *  2
 *  3

然后make编译就可以了

make -j8

*  1

上面是将opencv编译成功，但是并没有安装到我们的系统中，有很多的设置都没有写入到系统中，因此还要进行install。

sudo make install

--------------------

下面用一个小程序测试一下

找到  
cd到opencv-3.2.0/smaples/cpp/example\_cmake目录下  
我们可以看到这个目录里官方已经给出了一个cmake的example我们可以拿来测试下  
按顺序执行

cmake .
    make
    ./opencv_example

*  1
 *  2
 *  3

即可看到打开了摄像头，在左上角有一个hello opencv  
即表示配置成功

四

1.  安装python的pip和easy\_install，方便安装软件包
    
    终端输入  
    `cd`  
    `wget --no-check-certificate https://bootstrap.pypa.io/ez_setup.py`  
    `sudo python ez_setup.py --insecure`  
    `wget https://bootstrap.pypa.io/get-pip.py`  
    `sudo python get-pip.py`

--------------------

五

1.  安装科学计算和python所需的部分库
    
    终端输入  
    `sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran python-numpy`

--------------------

六

1.  安装git，拉取源码
    
    终端输入  
    `sudo apt-get install git`  
    `git clone https://github.com/BVLC/caffe.git`

--------------------

七

1.  安装python依赖
    
    终端输入  
    `sudo apt-get install python-pip` 安装pip  
    `sudo su`  
    `for req in $(cat "requirements.txt"); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done`  
    按Ctrl+D退出sudo su模式

--------------------

八、编译caffe(暂不对matlab说明)

1.  终端输入  
    `cd /home/lhu/caffe`  
    `cp Makefile.config.example Makefile.config`  
    `gedit Makefile.config`
    
    ①将`USE_CUDNN := 1`取消注释，
    
    ②`INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include`后面打上一个空格 然后添加`/usr/include/hdf5/serial`如果没有这一句可能会报一个找不到hdf5.h的错误
2.  终端输入  
    `make all -j4`  
    make过程中出现找不到lhdf5\_hl和lhdf5的错误，  
    解决方案：  
    在计算机中搜索`libhdf5_serial.so.10.1.0`，找到后右键点击打开项目位置  
    该目录下空白处右键点击在终端打开，打开新终端输入  
    `sudo ln libhdf5_serial.so.10.1.0 libhdf5.so`  
    `sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so`  
    最后在终端输入`sudo ldconfig`使链接生效  
    原终端中输入`make clean`清除第一次编译结果  
    再次输入`make all -j4`重新编译
3.  终端输入  
    `make test -j4`  
    `make runtest -j4`  
    `make pycaffe -j4`  
    `make distribute` 生成发布安装包
4.  测试python，终端输入  
    `cd /home/pawn/caffe/python`  
    `python`  
    `import caffe`  
    如果不报错就说明编译成功

--------------------

九、mnist测试

1.  下载mnist数据集，终端输入  
    `cd /home/pawn/caffe/data/mnist/`  
    `./get_mnist.sh` 获取mnist数据集  
    在`/home/pawn/caffe/data/mnist/`目录下会多出训练集图片、训练集标签、测试集图片和测试集标签等4个文件
2.  mnist数据格式转换，终端输入  
    `cd /home/pawn/caffe/`  
    `./examples/mnist/create_mnist.sh`  
    必须要在第一行之后运行第二行，即必须要在caffe根目录下运行create\_mnist.sh  
    此时在`/caffe/examples/mnist/`目录下生成mnist\_test\_lmdb和mnist\_train\_lmdb两个LMDB格式的训练集和测试集
3.  LeNet-5模型描述在`/caffe/examples/mnist/lenet_train_test.prototxt`
4.  Solver配置文件在`/caffe/examples/mnist/lenet_solver.prototxt`
5.  训练mnist，执行文件在`/caffe/examples/mnist/train_lenet.sh`  
    终端输入  
    `cd /home/pawn/caffe/`  
    `./examples/mnist/train_lenet.sh`  
    测试结果如下  
    ![这里写图片描述][20160825115947967]

4.安装CUDA9.0

找到下载文件的路径

sudo sh cuda\_9.0.176\_384.81\_linux.run

单击回车，一路往下运行，直到提示“是否为NVIDIA安装驱动nvidia-384？”，选择否，因为已经安装好驱动程序了，其他的全都是默认，不过要记住安装位置，默认是安装在/usr/local/cuda文件夹下。

配置环境变量，运行如下命令打开profile文件

sudo gedit /etc/profile

打开文件后在文件末尾添加路径，也就是安装目录，命令如下：

export PATH=/usr/local/cuda-9.0/bin:$PATH

export LD\_LIBRARY\_PATH=/usr/local/cuda-9.0/lib64$LD\_LIBRARY\_PATH

保存，然后重启电脑

sudo reboot

测试CUDA的例子

cd /usr/local/cuda-9.0/samples/1\_Utilities/deviceQuery

sudo make

./deviceQuery

如果显示的是关于GPU的信息，则说明安装成功了。

最后你会看到cuda驱动、sample、tookit已经安装成功,但是缺少一些库。

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev  
环境变量配置  
安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:

export PATH=/usr/local/cuda-9.0/bin$\{PATH:+:$\{PATH\}\}  
export LD\_LIBRARY\_PATH=/usr/local/cuda-9.0/lib64$\{LD\_LIBRARY\_PATH:+:$\{LD\_LIBRARY\_PATH\}\}  
1  
2  
3  
然后设置环境变量和动态链接库，在命令行输入：

$ sudo gedit /etc/profile  
1  
在打开的文件末尾加入：

export PATH=/usr/local/cuda/bin:$PATH  
1  
保存之后，创建链接文件：

sudo gedit /etc/ld.so.conf.d/cuda.conf  
1  
在打开的文件中添加如下语句：

/usr/local/cuda/lib64  
1  
然后执行

sudo ldconfig  
1  
使链接立即生效。

5.安装cudnn

1) 继续Ctrl+alt+F1进入的字符界面

2) 进入解压后的cudnn-9.0-linux-x64-v7.0.tgz文件cuda，在终端执行下面的指令安装：

tar -zxvf cudnn-9.0-linux-x64-v7.0.tgz  
cd cuda  
sudo cp lib64/lib\* /usr/local/cuda/lib64/  
sudo cp include/cudnn.h /usr/local/cuda/include/  
然后更新网络连接：

cd /usr/local/cuda/lib64/  
sudo chmod +r libcudnn.so.7.0.3 \# 自己查看.so的版本  
sudo ln -sf libcudnn.so.7.0.3. libcudnn.so.7  
sudo ln -sf libcudnn.so.7 libcudnn.so  
sudo ldconfig

[http_mirrors.ustc.edu.cn_ubuntu]: http://mirrors.ustc.edu.cn/ubuntu
[20160825140536726]: /images/20220528/e121826f66b344aa8ff9c1a9b2e6a3cb.png
[20160824173453043]: /images/20220528/8cbc206b10a6468dbc0e353c1bf4d456.png
[20160825104924424]: /images/20220528/2b8a89627e1b4d2ab369033c72a15a6e.png
[20160825105847588]: /images/20220528/ea324824efd8407a8028598c3ba8fd20.png
[http_opencv.org_downloads.html]: http://opencv.org/downloads.html
[20160825115947967]: /images/20220528/9d1c43767c7e4395aa13b42268f3137c.png