1)  安装英伟达驱动

          1.卸载原有驱动

           2.禁用nouveau

           3.禁用显卡

           4.安装NVIDIA的run驱动文件：（–no-opengl-files 只安装驱动文件，不安装OpenGL文件。这个参数最重要）

注：此时会出现

问题声明

在ubutnu上配置cuda时需要安装nvidia的驱动，所以在安装了驱动后出现了进入Ubuntu循环登录的问题。

问题解释（大概）

以下属于我的猜测

一般而言我们安装的ubuntu 的显示器并没有接到nvidia的显卡上，而是使用了intel的集显。我们安装驱动其实只是想将我们运算的显卡的驱动更新，结果都给搞了，所以产生了冲突。当然，也可能时opengl产生的冲突。

Nvidia驱动正确安装过程

找到适合的正确的驱动

去nvidia驱动官网下载

卸载掉原有驱动

sudo apt-get remove –purge nvidia*

如果使用的是apt-get安装可以使用这种方法卸载，如果使用的是runfile，则使用--uninstall命令，当然runfile安装的时候会卸载掉之前的驱动，所以可以不用手动去卸载。

禁用nouveau

打开编辑配置文件：

sudo gedit  /etc/modprobe.d/blacklist.conf

在最后一行添加：

blacklist nouveau 
禁用nouveau第三方驱动，之后也不需要改回来

执行：

sudo update-initramfs -u

重启后执行：

lsmod | grep nouveau

没有输出即屏蔽好了

安装驱动

进入命令行界面    注：（Ctrl + Alt + F7是回到桌面系统）

Ctrl-Alt+F1 

给驱动run文件赋予执行权限

sudo chmod a+x NVIDIA-Linux-x86_64-390.48.run    //获取权限

禁用X（显卡）服务（至关重要）

执行：

sudo /etc/init.d/lightdm stop

安装(注意 参数)

sudo ./NVIDIA-Linux-x86_64-390.48.run --no-opengl-files    #注意，这里总是显示无效指令–no-opengl-files ，自己手打一遍就好

sudo /etc/init.d/lightdm start     #开启显卡

• –no-opengl-files 只安装驱动文件，不安装OpenGL文件。这个参数最重要
• –no-x-check 安装驱动时不检查X服务
• –no-nouveau-check 安装驱动时不检查nouveau 
  后面两个参数可不加。

安装驱动的时候，有一布问你”Would you like to run the nvidia-xconfig utility to automatically update your X configuration file…”什么的，选择 No。

启电脑，没有问题，输入命令：

nvidia-smi

技巧提示，如果你装驱动失败，进不去系统了，可能有的同志不知道怎么做了，就直接系统重装，这是一种方式，但是最简单的方式是，进文本tty1模式，输入命令：

sudo /etc/init.d/lightdm stop
sudo ./NVIDIA-Linux-x86_64-375.20.run --uninstall
sudo /etc/init.d/lightdm start

系统回到从前，继续做打不死的小强，继续试试

无法进入桌面的问题

如果出现无法进入桌面的问题，这是因为驱动修改了xorg的配置，可执行一下命令：

cd /usr/share/X11/xorg.conf.d/ 
sudo mv nvidia-drm-outputclass.conf nvidia-drm-outputclass.conf.bak

2）安装cuda（CUDA是一种并行计算的模型，能利用英伟达GPU的并行计算引擎）

下载好CUDA Toolkit9.1后，执行如下代码进行安装（此处不需要安装OPGL），代码如下： 

1 sudo sh cuda_9.0.176_384.81_linux.run --no-opengl-libs    #run文件的文件名根据自己下的文件名修改，默认是我提供的文件 

这里可能会出现无法解压，或/usr无空间的问题（最主要还是你的cuda文件有问题，最好重新下载）

输出显示：

    这里先进入协议，可以按回车阅读，也可以直接 CTRL+C退出

 1 Do you accept the previously read EULA? 
 2 accept/decline/quit: accept 
 3 Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81? 
 4 (y)es/(n)o/(q)uit: n 
 5 Install the CUDA 9.0 Toolkit? 
 6 (y)es/(n)o/(q)uit: y 
 7 Enter Toolkit Location 
 8 [ default is /usr/local/cuda-9.0 ]:  
 9 Do you want to install a symbolic link at /usr/local/cuda? 
10 (y)es/(n)o/(q)uit: y 
11 Install the CUDA 9.0 Samples? 
12 (y)es/(n)o/(q)uit: y 
13 Enter CUDA Samples Location 
14 [ default is /home/pertor ]:  
15 Installing the CUDA Toolkit in /usr/local/cuda-9.0 ... 
16 Missing recommended library: libXmu.so 

添加环境变量： 

sudo gedit ~/.bashrc

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}}

source ~/.bashrc

验证CUDA9.0是否安装成功

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

sudo make

./deviceQuery

输出如下信息表示成功安装

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GT 740M"
  CUDA Driver Version / Runtime Version          9.0 / 9.0
  CUDA Capability Major/Minor version number:    3.5
  Total amount of global memory:                 2004 MBytes (2100953088 bytes)
  ( 2) Multiprocessors, (192) CUDA Cores/MP:     384 CUDA Cores
  GPU Max Clock rate:                            1032 MHz (1.03 GHz)
  Memory Clock rate:                             800 Mhz
  Memory Bus Width:                              64-bit
  L2 Cache Size:                                 524288 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers

重启，并不会出现循环登录的问题

禁忌

1. 安装CUDA时一定使用runfile文件，这样可以进行选择。不再选择安装驱动，以及在弹出xorg.conf时选择NO
2. 不要使用ubuntu设置中附加驱动中驱动

提醒

1. cuda安装时会将源文件装在/usr/local/cuda-8.0下，然后会创建一个/usr/local/cuda的链接，所以在安装tensorflow设置cuda和cudnn路径以及拷贝cudnn文件到cuda文件夹下时，注意使用真实的路径
2. 在安装了cuda之后再安装nvidia驱动,可能这和网上“流传”的教程有些出入，但是长得帅的人都这样做了，换句话说，这样做的话会避免出现一些奇怪的问题。比如：tf安装好了出现的缺少libcuda.so.1

再结合各个框架官网的安装教程，相信大家会拥有一个好的开发环境了。那么让我们开始好好调教系统吧。

以上。

3）安装cudnn(NVIDIA打造的针对深度神经网络的加速库)

登录官网下载cuDNN 

这个需要申请账号，注册后进入官网，如下图所示

　　cuDNN 的全称是 The NVIDIA CUDA® Deep Neural Network library，是专门用来对深度学习加速的库，它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度学习的加速优化，目前最新版本是 cuDNN 7.1，接下来我们来看下它的安装方式。 

下载链接：https://developer.nvidia.com/rdp/cudnn-download，需要注册之后才能打开，这里我们选择 cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0，然后选择 cuDNN v7.1.1 Library for Linux，如图所示： 

下载下来之后解压安装，执行如下步骤： 

1 tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz 
2 sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ 
3 sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d 
4 sudo chmod a+r /usr/local/cuda/include/cudnn.h 
5 sudo chmod a+r /usr/local/cuda/lib64/libcudnn* 

复制动态链接库 
cd /usr/local/cuda/lib64/ 
sudo rm -rf libcudnn.so libcudnn.so.7 
生成软衔接 
sudo ln -s libcudnn.so.7.1.2 libcudnn.so.7 
生成软链接 
sudo ln -s libcudnn.so.7libcudnn.so

　　执行完如上命令之后，cuDNN 就安装好了，这时我们可以发现在 /usr/local/cuda/include 目录下就多了 cudnn.h 头文件。 

终端中执行nvcc -V 显示如下信息则表示成功 

nvcc -V

pertor@pertor-computer:~$ nvcc -V  
nvcc: NVIDIA (R) Cuda compiler driver 
Copyright (c) 2005-2017 NVIDIA Corporation 
Built on Fri_Sep__1_21:08:03_CDT_2017 
Cuda compilation tools, release 9.0, V9.0.176 

此时可能会有一个提示需要安装  NVIDIA-CUDA-toolkit，按照系统指示安装即可

3)安装anaconda

主要介绍在 Ubuntu 14.04中安装 Anaconda3 的详细过程。

下载

官方下载地址：https://www.continuum.io/downloads 
所有安装包地址：https://repo.continuum.io/archive/ 
这里使用 Python 3.5 版本的 “Anaconda3-4.2.0-Linux-x86_64.sh”，如果下载速度慢或下载失败，可以翻墙下载。 
也可以直接使用我的百度云分享的文件：链接：http://pan.baidu.com/s/1boDmMZX 密码：0ega

安装

安装较为简单，这里参考官方文档：https://docs.continuum.io/anaconda/install/linux.html 
在文件目录下执行：

bash Anaconda3-4.2.0-Linux-x86_64.sh

• 1

根据提示输入回车 

 
这里需要查看注册信息，回车浏览完信息即可

 
阅读完注册信息后，这里输入“yes”

 
回车即可进行安装

 
这里输入“yes”选择加入环境变量

 
看到这些信息说明已经安装完成。 
根据信息“For this change to become active, you have to open a new terminal.”（要使这个更改生效，必须打开一个新的终端。）这句话提示，需要在新的终端窗口使用anaconda，打开新的终端，查看相应的版本信息 

顺便安装下 VS  code  这样看代码舒服点

4）安装anacond的opencv依赖包
conda install -c conda-forge opencv boost protobuf gflags glog lmdb leveldb

此时最好重新打开一个终端，否则会显示无该指令

5）gcc编译环境的更换
gcc g++ 4.8
sudo apt-get install gcc-4.8
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 100
sudo update-alternatives --config gcc
sudo apt-get install g++-4.8
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.8 100
sudo update-alternatives --config g++

5）anaconda lib环境配置
sudo gedit ~/.bashrc
export LD_LIBRARY_PATH="/home/db/anaconda3/lib:$LD_LIBRARY_PATH"

source ~/.bashrc