Ubuntu16.04系統GPU深度學習環境搭建
安裝Ubuntu16.04.5系統
安裝過程就不詳述了。
安裝NVIDIA1080Ti顯示卡驅動
ll /etc/modprobe.d/blacklist.conf
sudo chmod 666 /etc/modprobe.d/blacklist.conf
sudo vi /etc/modprobe.d/blacklist.conf
在最後一行加上：
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb
儲存退出
sudo chmod 644 /etc/modprobe.d/blacklist.conf
sudo update-initramfs –u
然後重啟
重啟之後：
lsmod | grep nouveau
sudo apt-get purge nvidia*
sudo add-apt-repository ppa:graphics-driversa
sudo apt-get update
sudo apt-get install nvidia-384 nvidia-settings
注意：因為如果安裝成功後，重啟會出現迴圈登入的問題，這時需要解除安裝NVIDIA驅動即可 解決，但是因為需要用到這個驅動，所以不能解除安裝，所以這個問題不能解決，只能通ssh遠端連線伺服器操作，所以需要開啟ssh服務。
開啟SSH服務：
sudo apt-get install openssh-server
sudo service ssh start
sudo vi /etc/ssh/sshd_config
找到：PermitRootLogin prohibit-password
改為：PermitRootLogin yes
儲存退出。
sudo service ssh restart
然後用ssh工具遠端連上伺服器之後（記住賬號和密碼）
重啟電腦
nvidia-smi
檢視生效的顯示卡驅動:
則成功。
安裝前說明 1.前提是機器上必須有Nvidia顯示卡，不太老就好（配置不好的也沒必要玩這個了吧，費 電），在Nvidia官網可以在這裡查到顯示卡支援情況安裝過程中的命令都需要root身份，請用su root切換或者每次加 sudo，編譯執行測試程式碼使用普通使用者就好。 2.必須按tensorflow 官網提示的版本安裝 1.9 對應 CUDA 9.0，CUDA 9.0 要下載相應版本的7.0cuDNN。 3.如果喜歡折騰，建議使用沒有重要資料的硬碟。 4.安裝包最好下載到其他電腦上，使用scp拷貝到安裝機上，重灌了幾ubuntu，下一次包就2個G 原因：安裝前提必須是Nvidia顯示卡
安裝CUDA
如果沒有賬號密碼就先註冊。
然後：
下載。
然後，將這兩個檔案拷貝到/home/erc/下載/目錄下，然後切換到這個路徑下
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
如果出現：
就執行：
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
然後在執行：
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local-cublas-performance-update-2_1.0-1_amd64.deb
sudo apt-get update
sudo apt-get upgrade cuda
然後設定環境變數：
Vi ~/.bashrc
在末尾新增：
export PATH=/usr/local/cuda/binKaTeX parse error: Expected '}', got 'EOF' at end of input: {PATH:+:{PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64KaTeX parse error: Expected '}', got 'EOF' at end of input: …LIBRARY_PATH:+:{LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda
儲存後，執行 source ~/.bashrc 使其生效。
安裝cuDNN
進入https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.3.0/prod/9.0_2018920/cudnn-9.0-linux-x64-v7.3.0.29，選擇Download cuDNN v7.3.0 (Sept 19, 2018), for CUDA 9.0的cuDNN v7.3.0 Library for Linux。
然後將cudnn-9.0-linux-x64-v7.3.0.29.tgz傳輸到/usr/local/cuda-9.0目錄下
tar -zxvf cudnn-9.0-linux-x64-v7.3.0.29.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
make
./ deviceQuery
出現：
表示安裝成功。
提醒
cuda安裝時會將原始檔裝在/usr/local/cuda-9.0下，然後會建立一個/usr/local/cuda的鏈
接，所以在安裝tensorflow設定cuda和cudnn路徑以及拷貝cudnn檔案到cuda資料夾下時，注意使用真實的路徑。
sudo apt-get update
可能出現問題：
問題1：
Failed to fetch http://……
解決：
如果無法連線到某網路，一般是由於直接使用國外的源無法連線的原因導致的。解決方案是，直接替換成國內的源即可。
參考http://blog.csdn.net/paincupid/article/details/52895676，可以使用阿里的源，速度較快。
問題2：
Could not get lock /var/lib/dpkg/lock
解決：
導致此問題的原因是由於上次更新沒有正常進行導致的。解決方案是，直接將lock的檔案刪掉。
參考：http://www.linuxidc.com/Linux/2014-06/103437.htm
sudo rm /var/lib/dpkg/lock
問題3：
Ubuntu 16.04出現：Problem executing scripts APT::Update::Post-Invoke-Success ‘if /usr/bin/test -w /var/cache/app-info -a -e /usr/bin/appstreamcli; then appstreamcli refresh > /dev/null; fi’
解決：
http://www.cnblogs.com/EasonJim/p/7343892.html
以上深度學習環境安裝：
也可參考：https://blog.csdn.net/weixin_40294256/article/details/79157838
python庫的安裝
wget http://www.python.org/ftp/python/3.7.0/Python-3.7.0.tgz
tar -xvzf Python-3.7.0.tgz
cd Python-3.7.0
./configure --with-ssl
make
sudo make install
sudo pip install tensorflow-gpu==1.9
sudo pip install niftynet
sudo pip install numpy
sudo pip install scikit-image
sudo pip install pydicom
sudo pip install dicom2nifti
sudo pip install nibabel
最終環境
Ubuntu16.04.5
NVIDIA1080Ti顯示卡驅動
CUDA9.0
cuDNN7.0
python3.7.0