深度学习主机配置：Ubuntu16.04+1080ti+cuda8+cudnn6+tensorflow1.3

请先阅读这篇Ubuntu16.04+1080ti+cuda9.0+cudnn7.04+tensorflow1.6配置，我相信会对你有帮助的。

由于在Ubuntu17.04+1080ti+cuda9+cudnn7+tensorflow1.4/1.3配置后，工作过程中出现了一些问题，比较好的做法是等待tensorflow1.5的发布，但是我没有时间去等QAQ。所以重装系统，QAQ。

和之前装机的方法一样，只是这里的系统是ubuntu16.04。系统安装好后，我们修改源。好，第一个坑出现了。

无线网卡驱动

装好系统后，无线网卡无法使用（主要是我这里有线需要拨号上网，对就是这么的原始QAQ，dsl一直出问题）

我的网卡型号是Killer Wireless-AC 1535下载驱动

sudo dpkg -i linux-firmware*.deb
sudo modprobe -r ath10k_pci && sudo modprobe ath10k_pci

下载软件仓库信息失败

我尝试着去更换源，确实在有的源解决了这个问题，但是我不推荐你这么去做。我这里希望我的源是

aliyun

，但是它一更新后就会出现下面的问题。

*** Error in `appstreamcli': double free or corruption (fasttop): 0x0000000001549c80 ***

解决方法

sudo apt-get purge libappstream3
sudo apt-get update

安装显卡驱动

我推荐你先安装

vim

，因为我觉得

vi

不怎么好用

sudo apt-get install vim

接着去禁用nouveau驱动（这是一个开源的驱动，对nvidia显卡不支持）

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

在后面添加

blacklist nouveau

接着更新一下

sudo update-initramfs -u

修改之后需要重启系统。

重启后可以使用以下命令：

lsmod | grep nouveau

如果什么都没有的话，禁用成功。我这里要说的是，大家都这样做了，所以我这样做了，但是如果不禁用会不会有问题，我不知道（有人说没问题）。

先进入文本模式（Ctrl+Alt+F1），接着使用这条指令，添加一个源

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

关闭图形化窗口

sudo service lightdm stop

先更新一下，因为我们添加了一个源

sudo apt-get update

使用这个命令下载安装驱动（我的显卡是1080ti所以使用381，没有使用384，很多人说这个有问题，不想再被坑了）

sudo apt-get install nvidia-381

这次安装的过程中出现了这样的一个问题

pcie bus error

先恢复图形环境

sudo service lightdm start

Ctrl+Alt+F7进入图形界面

sudo vim /etc/default/grub

将其中的

GRUB_CMDLINE_LINUX_DEFAULT="quiet splash"

修改为

GRUB_CMDLINE_LINUX_DEFAULT="quiet splash nomodeset"

然后更新

sudo update-grub

，后重启电脑。

接着按照之前的步骤安装驱动就可以了，很高兴的是，这次并没有像Ubuntu17.04那样出现下载出错的问题。

装好后，恢复图形环境

sudo service lightdm start

Ctrl+Alt+F7进入图形界面，关机。

将独立显卡插上，将视屏线插在独显上，开机，这个时候你会发现，系统可以打开了，不再是黑屏。

进入系统后，输入下面指令

nvidia-smi

如果没有出现报错，那么恭喜你ubuntu装好了。

安装pip

接着我们要先安装pip源

sudo apt-get install python-pip

接着cd到根目录，使用

ls -la

这个时候应该可以看到

.config

文件夹，进入这个文件夹（

cd .config

），建立一个pip文件夹（mkdir pip），进入pip文件夹（cd pip），接着建立

pip.conf

文件（vim pip.conf），按i（表示输入文本）输入以下内容

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

输入

:wq

（保存并退出）。

以上步骤是要修改pip的源，这样安装会更加的快。

安装cuda8

下载好cuda8的

.run

文件，注意这里不要下载

.deb

文件（据说有坑），应该是两个文件，其中一个是补丁文件。

使用下面指令安装

sudo ./cuda_8.0.61_375.26_linux.run

这个安装的过程没有什么困难的，唯一一个要注意的地方就是在选择安装驱动时，选n

装好后打上补丁

sudo ./cuda_8.0.61.2_linux.run

我这里的samples文件是在home文件夹下（各位可能是在

/usr/local/cuda-8.0/

下）

现在桌面建立一个文件夹test，进入test文件夹（cd test）。使用下面的命令，将cuda例子文件复制进去

cp -r /home/nvidia_samples/ .

进入samples文件夹（cd samples），输入指令

make -j

，进行编译，编译要花一点时间。

编译好后切换到release文件夹

cd ./bin/x86_64/linux/release

执行下面指令

./deviceQuery

查看最后结果，如果是

Result = PASS

，那就ok。

接着cd到根目录。编辑

.bashrc文件

（vim .bashrc，不过新装的系统好像没有这个文件，没有的话跳过这步），在文件结尾添加下面的语句

#cuda8.0
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

输入

:wq

（保存退出）。接着在命令窗口输入

source .bashrc

，让文件生效。

安装cudnn6

推荐安装cudnn6，不要安装cudnn7

接着去官网下载cudnn6安装文件，但是好像最近无法下载了，我有时间会上传一份。（需要的同学留言，我发给你）

下载好后输入下列指令将相关文件拷贝到cuda安装目录下即可。

tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp -a cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

注意上面第二条指令，这里多加了一个

-a

，在官方给的方案里面没有，我建议你这样做，否则会出现连接出错的问题。

安装tensorflow1.3

接着我们开始安装tensorflow1.3，在此之前，先安装一个

libcupti-dev

库

sudo apt-get install libcupti-dev

接着如果使用

sudo pip install tensorflow-gpu

会安装tensorflow1.4的版本，我觉得如果你是使用cuda8的用户，我推荐你去安装tensorflow1.3。

sudo pip install tensorflow-gpu==1.3

装好后我们在python中（命令窗口输入python）测试一下

import tensorflow as tf

如果没有报错的话，就可以了。