ubuntu16.04安裝cuda8.0 和cudnn5.1（多個cuda、天坑tensorflow）

背景

以下只能解決特定問題，普遍問題不能解決，建議參考參考部落格內容進行選擇。

文字摘要界中有一個很著名的論文，叫做Get to the point（指標生成模型），最近需要復現一下相關論文。然後踩坑就開始了。

過程

程式碼地址，有興趣的可以挑戰一下。其實這玩意說難也難，說不難也不難。難就難在配置環境上，真的是踩坑無數。我按照一步一步配置下來，獲得資料集步驟可以參考這篇部落格，會講解處理資料集的過程，但是具體還得看人家寫的英文文件。

處理好了之後，覺得還有點小成就，然後就安裝tensorflow跑，直接報錯：大概說的是型別轉換出現了問題。

不出意外，死活不會改人家的程式碼。只好換方法，找到上述的程式碼地址，看到作者tensorflow用的是1.2.1的，我尋思我也安裝跟作者一樣的，結果就可以正常跑通，然後就想著先跑著吧。跑了一上午、一下午、一晚上、又一上午，感覺訓練的速度好慢，就想著要不用gpu跑跑試試？然後手賤的在正在使用的環境中輸入了pip install tensorflow-gpu==1.2.1，然後就沒有然後了。

安裝cuda8.0

既然程式崩了，那就好好整理下，那就非得用GPU跑它不行。

首先找到一個表格：

在這裡插入圖片描述

從這裡我們可以看出我們使用1.2.1那麼需要安裝的是cuda8和cudnn5.1。

我使用的是ubuntu16.04，然後輸入/usr/local

可以看到有cuda9.0、cuda9.1，這就證明我們需要在一臺機器上安裝多個cuda。

步驟：

1. 下載cuda8.0，百度網盤在這：連結：https://pan.baidu.com/s/1aXhnaIuM5cgyQ1sneYmbFQ
   提取碼：a5kk 。

2. 將這個檔案拷貝到演算法伺服器的指定位置，並使用指令解壓：tar xvzf cuda_8.0....

3. 解壓之後直接開始安裝：sudo sh cuda_8.0.61_375.26_linux.run。

4. #..一堆協議說明...
   #直接按q退出協議說明.
   zerozone@zerozone: accept/decline/quit: accept  #接受協議
   
   Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26? 
   y)es/(n)o/(q)uit: n  #是否顯示卡驅動包，由於已經安裝顯示卡驅動，選擇n
   
   Install the CUDA 8.0 Toolkit?
   (y)es/(n)o/(q)uit: y #是否安裝工具包，選擇y
   
   Enter Toolkit Location
   [ default is /usr/local/cuda-8.0 ]: #工具包安裝地址，預設回車即可
   
   Do you want to install a symbolic link at /usr/local/cuda?
   (y)es/(n)o/(q)uit: y #新增連結**注意這個連線，如果你之前安裝過另一個版本的cuda，除非你確定想要用這個新版本的cuda，否則這裡就建議選no，因為指定該連結後會將cuda指向這個新的版本**
   
   Install the CUDA 8.0 Samples?
   (y)es/(n)o/(q)uit: y #安裝樣例
   
   Enter CUDA Samples Location
    [ default is /root ]:  #樣例安裝地址預設即可
   
   # ***安裝資訊***
   Installing the CUDA Toolkit in /usr/local/cuda-8.0 ...
   
   Missing recommended library: libXi.so
   Missing recommended library: libXmu.so
   #注意，這裡出現了Missing recommended library錯誤，
   # 如果出現了錯誤：執行這條指令 
   # sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev 
   # 我沒有出現，所以直接略過這條指令了，我執行這條指令，需要我安裝matlib，有點迷。所以就沒執行這段指令，後來發現也能用。
   #是因為博主在第一次安裝時，沒有新增最開始的那條安裝相關依賴的指令，
   #之後我添加了依賴後，再次安裝，就沒有Missing錯誤了
   
   Installing the CUDA Samples in /root ...
   Copying samples to /root/NVIDIA_CUDA-8.0_Samples now...
   Finished copying samples.
   
   ===========
   = Summary =
   ===========
   Driver:   Not Selected
   Toolkit:  Installed in /usr/local/cuda-8.0
   Samples:  Installed in /root, but missing recommended libraries
   
   Please make sure that
    -   PATH includes /usr/local/cuda-8.0/bin
    -   LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root
   
   To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-8.0/bin
   
   Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-8.0/doc/pdf for detailed information on setting up CUDA.
   
   ***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 361.00 is required for CUDA 8.0 functionality to work.
   
   To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
   
       sudo <CudaInstaller>.run -silent -driver
   
   Logfile is /tmp/cuda_install_6388.log   
   # ***安裝完成***
    
   

5. 配置CUDA相關環境

   # 或者輸入這些指令：
   Tensorflow官方安裝歷程要求注意的是:配置PATH和LD_LIBRARY_PATH和CUDA_HOME環境變數.
   
   vim ~/.bashrc #修改配置檔案（如果你用的是zsh，則需要修改 ~/.zshrc檔案）
   #在檔案結尾處新增
   export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
   export PATH=$PATH:/usr/local/cuda/bin
   export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
   

6. 如果需要版本切換的話，可以參考這篇文章，通過軟鏈進行更換的，但是我發現我不更換也能用。1.8的和1.2.1的都能正常使用gpu。待會還需要驗證下。

安裝cudnn5.1

百度網盤下載：連結：https://pan.baidu.com/s/1UUUgevH6xX9R1-BX5olaTQ
提取碼：hoe7

安裝過程

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

2. 在當前目錄下檢視都有什麼檔案：

3. 拷貝指定檔案到指定目錄

   $cd cuda  
   $sudo cp lib64/lib* /usr/local/cuda/lib64/  
   $sudo cp include/cudnn.h /usr/local/cuda/include/
   

4. 如果有軟鏈的話，建議這樣更新：

   $ sudo chmod +r libcudnn.so.6.0.21
   $ sudo ln -sf libcudnn.so.6.0.21  libcudnn.so.6
   $ sudo ln -sf libcudnn.so.6 libcudnn.so
   $ sudo ldconfig
   

這時候再使用tensorflow1.2.1的話應該沒什問題了。但是有一點比較疑惑，為什麼我配置了1.2.1的環境，tensorflow1.8.0的還能用。有點迷。

報錯記錄

1. ImportError: libcudnn.so.5: cannot open shared object file: No such file or directory

   安裝cudnn就行了。

2. ResourceExhaustedError (see above for traceback): OOM when allocating tensor of shape [9216,4096] an

   很明顯，OOM，out of Memory，視訊記憶體不夠了，調小引數就行。

3. TensorFlow報錯FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated......

   重新安裝numpy-1.16-0 安裝版本太高了，更換即可

參考部落格

1. TensorFlow報錯FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated......
2. 安裝CUDNN6.0
3. 在ubuntu上安裝多個版本的CUDA，並且可以隨時切換
4. ubuntu16.04安裝多個版本CUDA的方法
5. Ubuntu16.04+cuda-8.0+cudnn-v5.1+tensorflow0.8-gpu/tensorflow1.0-gpu安裝教程
6. tensorflow-gpu1.8.0+win10+vs2017+CUDA9.2 安裝——從挖坑到跳坑到出坑