ubuntu 16.04 gtx1060 显卡安装【转】

本文转载自：https://blog.csdn.net/u010925447/article/details/79754044

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u010925447/article/details/79754044

首先说明，这是在台式机上的安装测试经历，首先安装的win10，然后安装ubuntu16.04双系统，显卡为GTX1060 
台式机显示器接的是GTX1060 HDMI口

---

一、首先安装nvidia显卡驱动

1. 打开终端，先删除旧的驱动：  sudo apt-get purge nvidia*
2. 禁用自带的 驱动 （很重要！），通过如下命令创建一个文件：  sudo vim /etc/modprobe.d/blacklist-nouveau.conf
3. 在文件内添加如下内容：1.blacklist nouveau   2.options nouveau modeset=0
4. 更新一下：sudo update-initramfs -u
5. 关闭X-Window：sudo service lightdm stop
6. 切换到tty1控制台：Ctrl+Alt+F1
7. 执行如下命令开始安装：sudo ./NVIDIA.run
8. 安装完成后重新启动X-Window： sudo service lightdm start  
9. 然后Ctrl+Alt+F7进入图形界面

   如果安装后驱动程序工作不正常，使用下面的命令进行卸载：sudo sh ~/NVIDIA-Linux-x86_64-367.44.run --uninstall

10. 检查是否安装成功，过程跟第一种方案一样，输入：1.nvidia-smi   2.nvidia-settings

11. 进入ubuntu系统设置-软件与更新-ubuntu软件，使用的是中科大的源：http://mirrors.ustc.edu.cn/ubuntu，如下所示

    

    更新Ubuntu16.04源，终端输入 
    cd /etc/apt/ 
sudo cp sources.list sources.list.bak 
sudo vi sources.list 
    把下面的这些源添加到source.list中： 
    deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse 
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse 
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse 
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse 
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse 
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse 
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse 
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse 
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse 
deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse 
    最后更新源和更新已安装的包： 
    终端输入 
    sudo apt-get update 
sudo apt-get upgrade

12. 安装nvidia驱动，终端输入（这是第二种方法）

    sudo add-apt-repository ppa:graphics-drivers/ppa 
    回车后继续 
    sudo apt-get update 
    sudo apt-get install nvidia-390
    sudo apt-get install mesa-common-dev 
    sudo apt-get install freeglut3-dev 
    之后重启系统让GTX1060显卡驱动生效

13. 测试

    终端输入 
    nvidia-smi 
    显示效果如下图表示安装成功 
    

---

二、cuda安装

1. 下载cuda_8.0.27_linux.run和cudnn-8.0-linux-x64-v5.1.tgz

2. 安装cuda8.0

   终端输入 
   cd 下载/ 
sh cuda_8.0.27_linux.run --override 
   启动安装程序，一直按空格到最后，输入accept接受条款 
   输入n不安装nvidia图像驱动，之前已经安装过了 
   输入y安装cuda 8.0工具 
   回车确认cuda默认安装路径：/usr/local/cuda-8.0 
   输入y用sudo权限运行安装，输入密码 
   输入y或者n安装或者不安装指向/usr/local/cuda的符号链接 
   输入y安装CUDA 8.0 Samples，以便后面测试 
   回车确认CUDA 8.0 Samples默认安装路径：/home/lhu（lhu是我的用户名），该安装路径测试完可以删除 
   安装完显示如下图 
   

3. 安装cudnn v5.1

   终端输入 
   cd 下载/ 
tar zxvf cudnn-8.0-linux-x64-v5.1.tgz 
   解压在下载目录下产生一个cuda目录 
   cd cuda/include/ 
sudo cp cudnn.h /usr/local/cuda/include/ 复制头文件 
   cd ../lib64 打开lib64目录 
   sudo cp lib* /usr/local/cuda/lib64/ 复制库文件 
   sudo chmod a+r /usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*给所有用户增加这些文件的读权限

4. 建立软链接

   终端输入 
   cd /usr/local/cuda/lib64/ 
sudo rm -rf libcudnn.so libcudnn.so.5 
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 
sudo ln -s libcudnn.so.5 libcudnn.so 
   设置环境变量，终端输入 
   sudo gedit /etc/profile 
   在末尾加入 
   PATH=/usr/local/cuda/bin:$PATH 
export PATH 
   保存后，创建链接文件 
   sudo vim /etc/ld.so.conf.d/cuda.conf 
   按a进入插入模式，增加下面一行 
   /usr/local/cuda/lib64 
   按esc退出插入模式，按:wq保存退出 
   最后在终端输入sudo ldconfig使链接生效

5. cuda Samples测试

   打开CUDA 8.0 Samples默认安装路径，终端输入 
   cd /home/lhu/NVIDIA_CUDA-8.0_Samples 
sudo make all -j4 （4核） 
   出现“unsupported GNU version! gcc versions later than 5.3 are not supported!”的错误，这是由于GCC版本过高，在终端输入 
   cd /usr/local/cuda-8.0/include 
sudo cp host_config.h host_config.h.bak 
sudo gedit host_config.h 
   ctrl+f寻找有“5.3”的地方，只有一处，如下 
   # if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3) 
#error -- unsupported GNU version! gcc versions later than 5.3 are not supported! 
   将两个5改成6，即 
   #if __GNUC__ > 6 || (__GNUC__ == 6 && __GNUC_MINOR__ > 3) 
   保存退出，继续在终端输入 
   cd /home/lhu/NVIDIA_CUDA-8.0_Samples （lhu是我的用户名） 
   sudo make all -j4 （4核） 
   完成后继续向终端输入 
   cd bin/x86_64/linux/release 
./deviceQuery 
   完成之后出现如下图所示，表示成功安装cuda 
   

---

三、安装opencv 3.2

从官网上下载opencv3.2.0 
http://opencv.org/downloads.html 
并将其解压到你要安装的位置，假设解压到了/home 
首先安装Ubuntu系统需要的依赖项，虽然我也不知道有些依赖项是干啥的，但是只管装就行，也不会占据很多空间的。

sudo apt-get install --assume-yes libopencv-dev build-essential cmake git libgtk2.0-dev pkg-config python-dev python-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip

• 1

• 1

然后安装opencv需要的一些依赖项，一些文件编码解码之类的东东。

1.  
   sudo apt-get install build-essential cmake git
2.  
    
3.  
   sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip

• 1
• 2
• 3

• 1
• 2
• 3

在终端中cd到opencv文件夹下，然后

1.  
   mkdir build #新建一个build文件夹，编译的工程都在这个文件夹里
2.  
   cd build/
3.  
   cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local/opencv3.2 -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" ..

• 1
• 2
• 3

• 1
• 2
• 3

cmake成功后，会出现如下结果，提示配置和生成成功：

1.  
   -- Configuring done
2.  
   -- Generating done
3.  
   -- Build files have been written to: /home/ise/software/opencv-3.1.0/build

• 1
• 2
• 3

• 1
• 2
• 3

然后make编译就可以了

make -j8

• 1

• 1

上面是将opencv编译成功，但是并没有安装到我们的系统中，有很多的设置都没有写入到系统中，因此还要进行install。

sudo make install

• 1

---

下面用一个小程序测试一下

找到 
cd到opencv-3.2.0/smaples/cpp/example_cmake目录下 
我们可以看到这个目录里官方已经给出了一个cmake的example我们可以拿来测试下 
按顺序执行

1.  
   cmake .
2.  
   make
3.  
   ./opencv_example

• 1
• 2
• 3

• 1
• 2
• 3

即可看到打开了摄像头，在左上角有一个hello opencv 
即表示配置成功

四

1. 安装python的pip和easy_install，方便安装软件包

   终端输入 
   cd 
wget --no-check-certificate https://bootstrap.pypa.io/ez_setup.py 
sudo python ez_setup.py --insecure 
wget https://bootstrap.pypa.io/get-pip.py 
sudo python get-pip.py

---

五

1. 安装科学计算和python所需的部分库

   终端输入 
   sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran python-numpy

---

六

1. 安装git，拉取源码

   终端输入 
   sudo apt-get install git 
git clone https://github.com/BVLC/caffe.git

---

七

1. 安装python依赖

   终端输入 
   sudo apt-get install python-pip 安装pip 
   sudo su 
for req in $(cat "requirements.txt"); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done 
   按Ctrl+D退出sudo su模式

---

八、编译caffe(暂不对matlab说明)

1. 终端输入 
   cd /home/lhu/caffe 
cp Makefile.config.example Makefile.config 
gedit Makefile.config

   ①将USE_CUDNN := 1取消注释，

   ②INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include后面打上一个空格 然后添加/usr/include/hdf5/serial如果没有这一句可能会报一个找不到hdf5.h的错误

2. 终端输入 
   make all -j4 
   make过程中出现找不到lhdf5_hl和lhdf5的错误， 
   解决方案： 
   在计算机中搜索libhdf5_serial.so.10.1.0，找到后右键点击打开项目位置 
   该目录下空白处右键点击在终端打开，打开新终端输入 
   sudo ln libhdf5_serial.so.10.1.0 libhdf5.so 
sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so 
   最后在终端输入sudo ldconfig使链接生效 
   原终端中输入make clean清除第一次编译结果 
   再次输入make all -j4重新编译

3. 终端输入 
   make test -j4 
make runtest -j4 
make pycaffe -j4 
make distribute 生成发布安装包

4. 测试python，终端输入 
   cd /home/pawn/caffe/python 
python 
import caffe 
   如果不报错就说明编译成功

---

九、mnist测试

1. 下载mnist数据集，终端输入 
   cd /home/pawn/caffe/data/mnist/ 
./get_mnist.sh 获取mnist数据集 
   在/home/pawn/caffe/data/mnist/目录下会多出训练集图片、训练集标签、测试集图片和测试集标签等4个文件

2. mnist数据格式转换，终端输入 
   cd /home/pawn/caffe/ 
./examples/mnist/create_mnist.sh 
   必须要在第一行之后运行第二行，即必须要在caffe根目录下运行create_mnist.sh 
   此时在/caffe/examples/mnist/目录下生成mnist_test_lmdb和mnist_train_lmdb两个LMDB格式的训练集和测试集

3. LeNet-5模型描述在/caffe/examples/mnist/lenet_train_test.prototxt

4. Solver配置文件在/caffe/examples/mnist/lenet_solver.prototxt

5. 训练mnist，执行文件在/caffe/examples/mnist/train_lenet.sh 
   终端输入 
   cd /home/pawn/caffe/ 
./examples/mnist/train_lenet.sh 
   测试结果如下