189 8069 5689
在前几天，得知公司新采购了几台主机，所以我们组领导就向公司申请了一台回来，做数据分析。
专注于为中小企业提供网站建设、成都网站建设服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业湘阴免费做网站提供优质的服务。我们立足成都，凝聚了一批互联网行业人才，有力地推动了上千家企业的稳健成长，帮助中小企业通过网站建设实现规模扩充和转变。
服务器买的是惠普的主机，型号是：HP EliteDesk 800 G3。不算强劲，但用来做GPU的数据分析测试，也可以了。
具体参数：
CPU：i7-7700
内存： 32G
显卡： GTX 1070
硬盘： 256 ssd + 1T
自带 windows 10 64位 专业版系统
搭建环境版本选择： ubuntu18.04+CUDA9.0+cuDNN7.1.4+tensorflow1.9
由于主机自带的是windows系统，但是我们想用 ubuntu 的系统，因此，只能先重装一下系统了。
具体的更换系统的过程就不写了，大家有需要的，可以参考一下这篇文章。
要注意的是，不要关闭主板的 UEFI 引导，并且，你的 Ubuntu 系统引导盘，也就是U盘，需要用USB3.0的接口。因为，我测试的时候，用过普通 USB2.0 接口的，一直识别不了。同时，系统盘要制作成纯系统盘，里面出来系统软件之外，不要有其他文件。
新安装 ubuntu 18.04 的系统之后，先更新一下系统自带的源，我在自己使用的 CentOS 或者 Ubuntu 等linux 系列系统的时候，都习惯更换成阿里云的源，感觉速度和稳定都维护得比较好。
如果你安装的是 ubuntu 带桌面图形界面的版本，那么它默认的显卡可能是nouveau，我们首先需要关闭它。具体方法：
打开禁用列表：
sudo vim /etc/modprobe.d/blacklist.conf
在后面添加：
blacklist nouveau
options nouveau modeset=0
保存退出后，更新，重启系统：
sudo update-initramfs -u
sudo reboot重启后，你可能会发现屏幕没有了输出，甚至连登录界面也没有了。
先别慌，如果你使用 xshell 这类终端登录工具的话，这时你仍然能远程连接到系统的，前提是你已经在系统开启了 openssh-server，不过ubuntu 18 默认是没有开启openssh-server 的。
如果你没有用xshell 来连接，那么你可以按一下 ctrl + alt + F3 组合键，这时候，屏幕上又会切换到字符登录界面，熟悉的输入用户名，密码界面再次呈现。
这些都是因为，我们在上一步禁止了 nouveau 驱动，但是主机的独立显卡驱动还没有安装好。
在安装显卡驱动前，还需要再确认一下你系统自带的驱动有哪些：
kkt@kkt-HP:~$ sudo ubuntu-drivers devices
[sudo] password for kkt:
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001B81sv0000103Csd00006899bc03sc00i00
vendor : NVIDIA Corporation
model : GP104 [GeForce GTX 1070]
driver : nvidia-driver-396 - third-party free
driver : nvidia-driver-390 - third-party free
driver : nvidia-driver-410 - third-party free
driver : nvidia-driver-415 - third-party free recommended
driver : xserver-xorg-video-nouveau - distro free builtin
可以，看出nvidia 支持的驱动版本有396,390,410,415 几个类型。不过这是我在添加显卡 ppa 源之后，才显示这么多个的，本来只有390,396两个版本。
怎么添加显卡 ppa 源：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update在添加 ppa 源的时候，可能会因为网络的原因，更新失败。我们需要留意提示信息，以为添加失败之后，会导致某些版本根本不能安装。
选择你希望安装的 nvidia 版本，我推荐安装 nvidia-driver-396 的版本，不求它最新，因为最新的版本，兼容性反而可能会差，甚至用不了。
安装nvidia 驱动：
重点： 先删除旧的 nvidia 驱动
sudo apt-get purge nvidia-*
sudo apt install nvidia-driver-396
安装完成之后，重启主机 ： sudo reboot
检查 nvidia 显卡状况：
sudo nvidia-smi
如果你没有检测到nvidia显卡的状态，可能需要先挂载：
sudo nvidia modprobe nvidia正常来说，如果你的主机有独立显卡，在安装完nvidia显卡驱动，重启就能在屏幕输出你熟悉的图形登录界面。
首先，cuda 9.0 编译安装只支持gcc、g++ 6.0 及以下的版本，所以，如果系统已经默认安装了gcc 7.0 以上版本的，就需要将级了。
sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8切换到 /usr/bin 目录，对gcc7.0 进行降级，其实就是重新创建软连接:
ls -l gcc*
sudo mv gcc gcc.bak
sudo ln -s gcc-4.8 gcc
ls -l g++*
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++重新查看g++、gcc 的版本：
g++ -v
gcc -v确认gcc、g++ 的版本为4.8 就可以了。
说明，现在先不要使用 cuda 9.1 或者 cuda 10，因为后面 tensorflow 对这些版本还没有支持。我一开始安装的也是cuda 9.1 以为版本越新越好。
cuda 各个版本的归档目录在这里，选择9.0 的版本：
注意，这里选择 ubuntu 16.04 的系统版本，对18.04 也适用。
cuda 9.0 共5个文件，包括4个patch都需要下载。下载完成之后，上传到服务器，进行安装，cuda安装的过程中，会提示要安装nvidia driver的，不要安装，因为我们之前已经安装过了。其他的选项可以随意。
安装过程如下：
sudo sh cuda_9.0.176_384.81_linux-run
sudo sh cuda_9.0.176.1_linux-run
sudo sh cuda_9.0.176.2_linux-run
sudo sh cuda_9.0.176.3_linux-run
sudo sh cuda_9.0.176.4_linux-run
同样，下载 cuDNN 进行安装。cuDNN 的版本选择 7.1.4，选择7.0的大多数情况会没有问题，但是当使用 tensorflow 进行卷积运算的时候，会提示初始化失败，原因是 tensorflow 1.9 里编译的支持的版本是 7.1.4 及以上。
下载 cuDNN 请在这里 ,注意，下载需要提供注册账号，自己搞一个邮箱注册一下。
下载完成之后，上传到服务器，开始安装：
其实是先解压，然后将文件复制到cuda-9.0 的目录里。
sudo tar xvzf cudnn-9.0-linux-x64-v7.1.tgz
解压之后，默认的目录名也叫 cuda.
然后，复制cuDNN的内容：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
最后，修改权限：
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
至此，cuda 和 cudnn已经安装完毕。
但是，还需要修改一下环境变量：
修改 sudo vim ~/.bashrc，添加以下内容：
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
修改 sudo vim /etc/profile ，添加以下内容：
export PATH=/usr/local/cuda/bin:$PATH
继续修改：
sudo vim /etc/ld.so.conf.d/cuda.conf
/usr/local/cuda/lib64
修改后，加载配置，但可能会提示：（/usr/local/cuda/lib64/libcudnn.so.7 不是符号链接？)
sudo ldconfig
sudo ln -sf /usr/local/cuda/lib64/libcudnn.so.7.1.4 /usr/local/cuda/lib64/libcudnn.so.7
sudo ldconfig最后，可以安装tensorflow 了
利用pip 的方式来安装：
sudo pip3 install tensorflow-gpu==1.9.0没有pip3 的，自己安装一下：
sudo apt install python3-pip如果 pip3 的安装速度太慢，导致超时报错，可以尝试一下，使用国内源，具体方法：
修改 ~/.pip/pip.conf (没有就创建一个)：
如果不存在此文件夹，则创建之
mkdir ~/.pip
vi ~/.pip/pip.conf
增加内容如下：
[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.comtensorflow 的版本兼容比较严格，这一点值得注意。