A. ubuntu 16.04 安装 cuda
先在更新管理器中装好驱动。然后sudo apt-get install nvidia-cuda-toolkit 默认安装cuda 漆.5.一，但是安装之后，没有/usr/local/cuda*这个文件夹，也没有sample 结果发现gpu无法点亮，【修改】gcc版本太新了，cuda只支持gcc5.0以下，需要降级GCC 本人电脑联想拯救者ISK一5尊享版，也就一陆.0四能够支持所有硬件，所以也就只能装一陆.0四。由于一些原因需要安装CUDA，但是现目前CUDA漆.5也只有一5.0四和一四.0四提供了下载。 在下载了一5.0四对应的CUDA漆.5后，依次进行了以下步骤： 一、dpkg： 这里当然不会有问题 二、apt-get update：出现了Release无法下载 三、apt-get install cuda：出现了E：无法定位软件包（意料之中） 换过N个源，在CUDA的更新时都会出现问题。 我想知道，有什么办法可以解决这个问题，或者说我只能等待对应一陆.0四的CUDA发布
B. cuda 8.0需要什么版本的gcc进行编译
对于autotools来生成Makefile的程序包，不建议修改Makefile来指定GCC/G++的版本。最佳方案：./configureCC=你想使的C编译器的绝对路径./configureCXX=你想使的C++编译器的绝对路径比如：./configureCXX=/usr/local/bin/g++这样就可以很方便地让系统内多个版本的编译器共存了。
C. ubuntu16.04怎么检测是否安装cuda8
1、在英伟达的上对应系统版本的cuda5.5工具包，我的笔记本是32位的，的包是cuda_5.5.22_linux_32.run，当然deb包也可以，deb包可双击安装。使用run包。2、检查自己的系统是否符合安装条件，这一点很重要，我开始没有检测GCC，导致后面几次安装失败。命令$lspci | grep -i nvidia ，检测电脑是否安装NVIDIA显卡，命令$gcc –version,检测GCC版本，注意：CUDA5.5只支持GCC4.6版本，如果显示的不是下图所示，则需要重新将GCC链接。同时安装头文件和编译环境$sudo apt-get install linux-headers-$(uname -r) build-essential3、gcc版本是4.6的跳过此步。如果gcc版本不是4.6的，则需要将GCC重新链接，在目录/usr/bin下，只需两个命令即可完成重新链接。$sudo mv gcc gcc.bak$sudo ln -s gcc-4.6 gcc4、删除之前的Ubuntu nvidia驱动包，$sudo apt-get –purge remove nvidia*,并将开源驱动nouveau屏蔽掉，使用命令$sudo vim /etc/modprobe.d/blacklist.conf，添加blacklist vga16fb blacklist nouveau blacklist rivafb blacklist nvidiafb blacklist rivatv。5、关闭图形环境，$sudo stop lightdm，按Ctrl＋Alt＋F1，打开一个终端，登录。进入的Ubuntu nvidia驱动安装文件所在目录,$sudo sh ./cuda_5.5.22_linux_32.run命令进行安装。如果遇到failed，不用着急，打开安装log，排查问题，warning不用管，看ERROR。6、安装完成后，需要重启。此时电脑清晰多了，说明安装成功。 从事GPU开发的我们还需要装上cuda和openCL库的支持：$sudo apt-get install nvidia-current-dev。注意事项ubuntu不需要重新编译内核，记得centos和red hat需要，命令也简单：$sudo dracut -v /boot/initramfs-$(uname -r).img $(uname -r)
D. 如何安装CUDA
在英伟达的官网上下载对应系统版本的cuda5.5工具包，我的笔记本是32位的，下载的包是cuda_5.5.22_linux_32.run，当然下载deb包也可以，deb包可双击安装。推荐使用run包。检查自己的系统是否符合安装条件，这一点很重要，我开始没有检测GCC，导致后面几次安装失败。命令$lspci | grep -i nvidia ，检测电脑是否安装NVIDIA显卡，命令$gcc –version,检测GCC版本，注意：CUDA5.5只支持GCC4.6版本，如果显示的不是下图所示，则需要重新将GCC链接。同时安装头文件和编译环境$sudo apt-get install linux-headers-$(uname -r) build-essentialgcc版本是4.6的跳过此步。如果gcc版本不是4.6的，则需要将GCC重新链接，在目录/usr/bin下，只需两个命令即可完成重新链接。$sudo mv gcc gcc.bak$sudo ln -s gcc-4.6 gcc删除之前的Ubuntu nvidia驱动包，$sudo apt-get –purge remove nvidia*,并将开源驱动nouveau屏蔽掉，使用命令$sudo vim /etc/modprobe.d/blacklist.conf，添加blacklist vga16fb blacklist nouveau blacklist rivafb blacklist nvidiafb blacklist rivatv。 关闭图形环境，$sudo stop lightdm，按Ctrl＋Alt＋F1，打开一个终端，登录。进入下载的Ubuntu nvidia驱动安装文件所在目录,$sudo sh ./cuda_5.5.22_linux_32.run命令进行安装。如果遇到failed，不用着急，打开安装log，排查问题，warning不用管，看ERROR。 安装完成后，需要重启。此时电脑清晰多了，说明安装成功。 从事GPU开发的我们还需要装上cuda和openCL库的支持：$sudo apt-get install nvidia-current-dev。
E. 如何验证cuda安装成功 二，CUDA安装和测试
可以查看自己的gcc版本信息 如果你装的是cuda8.0，而且你的ubuntu是16.04，那么你的GCC版本就会是5.0以上， cuda8.0是不支持GCC5.0以上的，所以需要降级。而且，ubuntu16.04只能安装cuda8.0
F. CUDA各版本之间有什么区别
具体区别：
以现在比较常见的CUDA8.0，9.x，10.x为例，从计算库和支持的计算架构两个方面来罗列一下他们的区别：
计算库：
CUDA8.0支持的lib/中有很常用的：cublas（基础线性代数计算库，Basic Linear Algebra Subprograms）,cufft（快速傅里叶变换）,curand（随机数）,cusparse（稀疏矩阵），cusolver（解线性方程组）等等。
CUDA9.0在cusolver，cugraph库中加入了新算法；加速了cublas，cufft中的算法；引入了Cooperative Groups来优化线程同步问题。
CUDA9.2对RNN和CNN都做了一些专属加速；给cuFFT再次加速；加入了cutlass（自定义的线性代数运算）。
CUDA10.0加入了nvJPEG（jpg图像处理库），应当可以加速dataloader；优化了cublas和cufft的性能。
摘要：
CUDA是英伟达的GPU通用计算（GPGPU，General Purpose comuputing on GPU)架构。不同版本的CUDA的区别主要在“GP”和“GPU”上：
1、支持的计算库多少和计算销量（GP）。
2、支持的GPU架构新旧（GPU）。
当然还有一些对语言版本的支持，编译器的优化（CUDA9开始支持c++14，gcc6），bug fixes等等。
G. 求助tensorflow下遇到cuda compute capability问题
首先需要看你的PC配置是否够，TF的GPU模式只支持N卡，然后计算能力高于3.0，具体可以查：安装教程可以参考：Ubuntu16.04上gtx1080的cuda安装July 17 2016目前tensorflow是一个非常流行的深度学习计算框架，常规硬件及系统的安装方法官方的doc已经说的很清楚了，但是 因为系统是ubuntu16.04,显卡是GTX1080,所以不可避免的要折腾起来。在上一篇已经在16.04上安装好了驱动。接下来其实 重点安装的是CUDA和cuDNN.首先说为什么要安装CUDA和cuDNN，关于采用GPU计算比CPU有速度有多少提升的benchmark找找就有，这次重点是怎么让tensorflow充分用的 上GTX1080能力。具体的就是如何把支持GTX1080的CUDA和cuDNN装起来，然后让tensorflow认识我们新装的CUDA和cuDNN。首先总体说下安装步骤：1 首先要注册NVIDIA developer的帐号，分别下载CUDA和cuDNN2 确认准备gcc版本，安装依赖库sudo apt-get install freegl3 安装CUDA4 解压cuDNN5 clone tensorflow源码，configure配置6 编译安装7 最后一哆嗦,测试！准备工作在正式开始前，需要做几个准备工作，主要是大概先看下文档cuda FAQtensorflow 的安装文档cuda-gpu的支持列表/计算能力/FAQcudnn 5.1有多牛cuda tookit下载页面CUDA_Installation_Guide_Linux.pdfcudnn User Guide文档看过之后接下来就是实际动手的过程：1 注册NVIDIA developer的帐号，分别下载CUDA和cuDNN1.1 下载CUDA 打开cuda toolkit下载页面,GTX1080 要用的是CUDA 8。先点击JOIN,注册帐号。 完了后，再回到cuda toolkit下载页面。选择 linux, x86-64, ubuntu, 16.04, runfile(local)1.2 下载cuDNN 进入cudnn的下载页,一堆调查,日志写时下载的是[Download cuDNN v5 (May 27, 2016), for CUDA 8.0 RC],点开选linux,不出意外的话这个就是下载地址.2 确认GCC版本，安装依赖库确认本机gcc版本,16.04默认的是gcc 5,这里安装需要的最高是gcc 4.9。接下来就安装配置gcc 4.9.2.1 安装gcc 4.9，并修改系统默认为4.9sudo apt-get install gcc-4.9 gcc-4.9 g++-4.9 g++-4.9gcc –versionsudo update-alternatives –install /usr/bin/g++ g++ /usr/bin/g++-4.9 10sudo update-alternatives –install /usr/bin/cc cc /usr/bin/gcc 30sudo update-alternatives –set cc /usr/bin/gccsudo update-alternatives –install /usr/bin/c++ c++ /usr/bin/g++ 30sudo update-alternatives –set c++ /usr/bin/g++gcc –version2.2 一个小依赖sudo apt-get install freegl3 安装CUDA需要注意的是这个地方有个选择安装低版本驱动的地方，选n 大致的安装流程如下：3.1 安装CUDAchmod +x /cuda_8.0.27_linux.run./cuda_8.0.27_linux.run….Do you accept the previously read EULA?accept/decline/quit: acceptInstall NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?(y)es/(n)o/(q)uit: nInstall the CUDA 8.0 Toolkit?(y)es/(n)o/(q)uit: yEnter Toolkit Location[ default is /usr/local/cuda-8.0 ]: Do you want to install a symbolic link at /usr/local/cuda?(y)es/(n)o/(q)uit: yInstall the CUDA 8.0 Samples?(y)es/(n)o/(q)uit: yEnter CUDA Samples Location[ default is /home/h ]: /home/h/Documents/cuda_samples….3.2 写入环境变量vim ~/.bashrc#添加下面变量export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}3.3 安装好后简单验证a. 进入刚配置时指定的cuda sample所在文件夹,NVIDIA_CUDA-8.0_Samples/b. cd 0_Simple/asyncAPI;sudo makec. NVIDIA_CUDA-8.0_Samples/0_Simple/asyncAPI$ ./asyncAPI [./asyncAPI] – Starting… GPU Device 0: “GeForce GTX 1080” with compute capability 6.1 CUDA device [GeForce GTX 1080] time spent executing by the GPU: 10.94 time spent by CPU in CUDA calls: 0.19 CPU executed 50591 iterations while waiting for GPU to finish4 安装cuDNN[email protected]:~/Downloads$ tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz cuda/include/cudnn.hcuda/lib64/libcudnn.socuda/lib64/libcudnn.so.5cuda/lib64/libcudnn.so.5.0.5cuda/lib64/libcudnn_static.a[email protected]:~/Downloads$ sudo cp -R cuda/lib64 /usr/local/cuda/lib64[email protected]:~/Downloads$ sudo mkdir -p /usr/local/cuda/include[email protected]:~/Downloads/cuda$ sudo cp include/cudnn.h /usr/local/cuda/include/sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*5 clone, configure tensorflow5.1 clone源码$ git clone 5.2 configure配置整个配置流程应该跟下面的基本一样的[email protected]:~/Downloads/tensorflow$ cd ./tensorflow/[email protected]:~/Downloads/tensorflow$ ./configurePlease specify the location of python. [Default is /usr/bin/python]: ***Do you wish to build TensorFlow with Google Cloud Platform support? [y/N] N***No Google Cloud Platform support will be enabled for TensorFlow***Do you wish to build TensorFlow with GPU support? [y/N] y***GPU support will be enabled for TensorFlowPlease specify which gcc nvcc should use as the host compiler. [Default is /usr/bin/gcc]: **Please specify the location where CUDA toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-8.0 ****Please specify the Cudnn version you want to use. [Leave empty to use system default]: 5.0.5****Please specify the location where cuDNN 5.0.5 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-8.0]: /usr/local/cuda**Please specify a list of comma-separated Cuda compute capabilities you want to build with.You can find the compute capability of your device at: **Please note that each additional compute capability significantly increases your build time and binary size.[Default is: “3.5,5.2”]: 6.1**Setting up Cuda includeSetting up Cuda lib64Setting up Cuda binSetting up Cuda nvvmSetting up CUPTI includeSetting up CUPTI lib64Configuration finished6 编译安装6.1 编译工具Bazel安装配置先看一眼文档然后就执行下面的流程:#安装java 1.8sudo add-apt-repository ppa:webupd8team/javasudo apt-get updatesudo apt-get install oracle-java8-installer#安装好后车参考下java -version#添加源echo “deb [arch=amd64] stable jdk1.8” | sudo tee /etc/apt/sources.list.d/bazel.listcurl | sudo apt-key add -#下载sudo apt-get update && sudo apt-get install bazel#升级sudo apt-get upgrade bazel6.2 编译tensorflow的pip版本并安装$ bazel build -c opt //tensorflow/tools/pip_package:build_pip_package# To build with GPU support:$ bazel build -c opt –config=cuda //tensorflow/tools/pip_package:build_pip_package$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg# The name of the .whl file will depend on your platform.#注意编译完成后生成的文件名字和官方doc里面的是不一定一致的$ sudo pip install /tmp/tensorflow_pkg/tensorflow-0.*-linux_x86_64.whli6700k 32g编译时间:只编译代码不带pip INFO: Elapsed time: 967.271s, Critical Path: 538.38sbazel-bin/tensorflow/tools/pip_package/build_pip_package INFO: Elapsed time: 65.183s, Critical Path: 48.587 最后测试前面都整完了，现在该测试了，注意前面有两个动态链接库的位置，cuDNN在/usr/local/cuda/lib64， 而cuda在/usr/local/cuda-8.0/lib64，所以这个时候的bashrc应该这么写：export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}写完后,source ~/.bashrccd tensorflow/tensorflow/models/image/mnistpython convolutional.py成功的话会出现流畅的跑动:[email protected]:~/Downloads/tensorflow/tensorflow/models/image/mnist$ python convolutional.pyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.so locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcudnn.so.5.0.5 locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcufft.so locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcuda.so.1 locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcurand.so locallyExtracting data/train-images-idx3-ubyte.gzExtracting data/train-labels-idx1-ubyte.gzExtracting data/t10k-images-idx3-ubyte.gzExtracting data/t10k-labels-idx1-ubyte.gzI tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:925] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zeroI tensorflow/core/common_runtime/gpu/gpu_init.cc:102] Found device 0 with properties: name: GeForce GTX 1080major: 6 minor: 1 memoryClockRate (GHz) 1.8475pciBusID 0000:01:00.0Total memory: 7.92GiBFree memory: 7.41GiBI tensorflow/core/common_runtime/gpu/gpu_init.cc:126] DMA: 0 I tensorflow/core/common_runtime/gpu/gpu_init.cc:136] 0: Y I tensorflow/core/common_runtime/gpu/gpu_device.cc:838] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0)Initialized!Step 0 (epoch 0.00), 8.4 msMinibatch loss: 12.054, learning rate: 0.010000Minibatch error: 90.6%Validation error: 84.6%……Minibatch error: 0.0%Validation error: 0.7%Step 8500 (epoch 9.89), 4.7 msMinibatch loss: 1.601, learning rate: 0.006302Minibatch error: 0.0%Validation error: 0.9%Test error: 0.8%
H. 谁告诉我下cuda驱动怎么下
先；然后去官网上下载最新的驱动并安装。lz要保证cudatoolkit和cudaSDK的版本是一样的；之后去下载cudadriver并安装；下载cudatoolkit并安装；下载cudaSDK并安装，你要确定你的显卡驱动是否支持cuda22_linux_32。如果遇到failed。$sudomvgccgcc，打开安装log.d/.6版本，使用命令$sudovim/。从事GPU开发的我们还需要装上cuda和openCL库的支持，则需要重新将GCC链接。进入下载的Ubuntunvidia驱动安装文件所在目录，$sudoapt-get–purgeremovenvidia*。在VC中做相关设置就可以了，网上有很多这样的教程，需要的话我可以给你发一份去nVIDIA官网下载安装最新显卡驱动，设置path，然后安装CUDAToolkit如果是要做基于CUDA的开发，需要去NVIDIA官网上下载SDK（而且需要Quadro卡）。
I. tensorflow 怎么升级gcc
1、安装CudaSDK官网下载和安装CudaToolkit，选择合适的系统版本下载，本文为介绍基于ubuntu系统的版本，个人建议下载runfile(local)的InstallerType。关于显卡驱动的安装可以参见（链接-安装最新Nvidia显卡驱动）如果下载文件runfile(local)，大小约为1G+，文件名称格式为‘cuda_x.x.xx_linux.run’（其中x为数字，表示版本），按照下载页面安装指导安装即可。#shellsudoRun`sudoshcuda_x.x.xx_linux.run`1212安装过程中会设置安装路径，如果是7.5版本，那么默认安装在路径‘/usr/local/cuda-7.5’,并在‘/usr/local/cuda’做一份映射，此项为可选项目，如果不想覆盖前版，可以不做映射。安装完成需要添加路径，特别是在安装不同版本的cuda共存情况下。需要在profile或.bashrc中添加一下内容：#添加cuda路径PATH=$PATH:/usr/local/cuda-7.5(CUDA安装路径)#添加lib路径LD_LIBRARY_PATH=$LA_LIBRARY_PATH:/usr/local/cuda-7.5/lib64#———–##如果做了映射，也可以使用以下内容PATH=$PATH:/usr/local/cuda#添加lib路径LD_LIBRARY_PATH=$LA_LIBRARY_PATH:/usr/local/cuda/lib641234567891234567892、安装cuDNN官网下载和安装cuDNN，择合适的系统版本下载，需要注意的是，版本的选择与已经安装的CudaToolkit版本有关，否则会报错。#版本不对可能引发的错误提示Etensorflow/stream_executor/cuda/cuda_dnn.cc:286]Loadedcudnnlibrary:.Ifusingabinaryinstall,.Ifbuildingfromsources,uration.1212下载的文件名为，‘cudnn-#.#-Linux-x64-v*.tgz’，大约80M左右，其中#.#为版本号–如‘8.0’，v*为版本–如‘v5’。tarxvzfcudnn-7.0-linux-x64-v4.tgz#注意cuda路径，与之前安装路径一致sudocpcudnn-7.0-linux-x64-v4/cudnn.h/usr/local/cuda/includesudocpcudnn-7.0-linux-x64-v4/libcudnn*/usr/local/cuda/lib64sudochmoda+r/usr/local/cuda/lib64/libcudnn*1234512345cuDNN安装完成3、配置tensorflow如果tensorflow是使用whl文件安装，需要下载源码进行配置，官网推荐下载地址Tensorflow或者使用命令下载
J. cuda 8.0对应什么cudnn版本
ubuntu14.04 64位的cudnn6.0版本。
