ubuntu 16.04 gtx1060 显卡安装

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

打开终端，先删除旧的驱动： sudoapt-getpurgenvidia*
禁用自带的驱动（很重要！），通过如下命令创建一个文件： sudovim/etc/modprobe.d/blacklist-nouveau.conf
在文件内添加如下内容：1.blacklistnouveau 2.optionsnouveaumodeset=0
更新一下：sudoupdate-initramfs-u
关闭X-Window：sudoservicelightdmstop
切换到tty1控制台：Ctrl+Alt+F1
执行如下命令开始安装：sudo./NVIDIA.run
安装完成后重新启动X-Window： sudoservicelightdmstart
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：sudosh~/NVIDIA-Linux-x86_64-367.44.run--uninstall
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
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
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
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

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

然后安装opencv需要的一些依赖项，一些文件编码解码之类的小编。

sudo apt-get install build-essential cmake git

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

在终端中cd到opencv文件夹下，然后

mkdir build   #新建一个build文件夹，编译的工程都在这个文件夹里
cd build/    
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" ..

cmake成功后，会出现如下结果，提示配置和生成成功：

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

然后make编译就可以了

make -j8

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

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

cmake .
make
./opencv_example

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

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

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

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

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)

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

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
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
LeNet-5模型描述在/caffe/examples/mnist/lenet_train_test.prototxt
Solver配置文件在/caffe/examples/mnist/lenet_solver.prototxt
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

ubuntu 16.04 gtx1060 显卡安装

相关推荐