本文續 。
Device Node Verification
執行
$ ls /dev/nvidia*
可能出現a), b), c)，d)三種結果，請對號入座。
a) 若結果顯示
/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm
或顯示出類似的信息，應該有三個（包含一個類似/dev/nvidia-nvm的），則安裝成功
b)如果運氣有點背，結果是這樣的
ls: cannot access /dev/nvidia*: No such file or directory
或是這樣的，只出現
/dev/nvidia0 /dev/nvidiactl
中的一個或兩個，但沒有/dev/nvidia-num，我安裝的時候是這種情況
把下面的.sh文件隨便命個名(我命名為Nka.sh)
#!/bin/bash/sbin/modprobe nvidiaif [ "$?" -eq 0 ]; then # Count the number of NVIDIA controllers found. NVDEVS=`lspci | grep -i NVIDIA` N3D=`echo "$NVDEVS" | grep "3D controller" | wc -l` NVGA=`echo "$NVDEVS" | grep "VGA compatible controller" | wc -l` N=`expr $N3D + $NVGA - 1` for i in `seq 0 $N`; do mknod -m 666 /dev/nvidia$i c 195 $i done mknod -m 666 /dev/nvidiactl c 195 255else exit 1fi/sbin/modprobe nvidia-uvmif [ "$?" -eq 0 ]; then # Find out the major device number used by the nvidia-uvm driver D=`grep nvidia-uvm /proc/devices | awk '{print $1}'` mknod -m 666 /dev/nvidia-uvm c $D 0else exit 1fi然後執行
$ sudo chmod +x nka.sh$ sudo ./nka.sh$ ls /dev/nvidia*/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm
成功！
1， 這種做不太友好，我的意思是，當下次重啟電腦時，你使用ls /dev/nvidia*指令時，你是看不到那三個nvidia的文件了。所以你又得手動執行
sudo ./Nka.sh指令了，是不是很煩！其實上面的.sh文件是startup scipt，也就是啟動腳本。顧名思義，就是在系統啟動時，自動加載的。哈，這麼棒的功能就是我們想要的。
2， 添加啟動腳本的方法大致有兩種，我就此介紹一種最傻瓜化的方法。
$ sudo vi /etc/rc.local
如果你是第一次打開這個文件，它應該是空的(除了一行又一行的#註釋項外)。這文件的第一行是
#!/bin/sh -e
把-e去掉（這步很重要，否則它不會加載這文本的內容）
然後把Nka.sh的內容除了#!/bin/bash外複製到其中，(before
exit 0 )保存退出。下次重啟時，你應該能直接看到/dev目錄下的三個nvidia的文件
$ ls /dev/nvidia*/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm
c) 如果人品實在不好，結果是這樣的
modprobe: ERROR: could not insert 'nvidia_uvm': Operation not permitted
當出現這種情況時，可能是驅動打起架來了。
執行
$ sudo apt-get autoremove --purge nvidia-* #把nvidia驅動清個乾乾淨淨$ sudo reboot #一定記得重啟，不然你會後悔的!
然後
$ sudo ./Nka.sh$ ls /dev/nvidia*
這時，應該可以見到
/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm
d) 未知，有點悲傷的告訴你，少年，我只能幫到這了,建議網上另尋方案，或重裝.run。Gook Luck!
環境的配置
打開系統配置文件
$ sudo vi /etc/profile
在文件最後添加
export PATH=/usr/local/cuda-8.0/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
保存退出
執行
$ source /etc/profile
讓文件立即生效。
最後執行
sudo apt-get install libcupti-dev
至此cuda 8.0安裝完畢。
驗證安裝
執行
$ cat /proc/driver/nvidia/version
結果顯示
NVRM version: NVIDIA UNIX x86_64 Kernel Module 361.77 Sun Jul 17 21:18:18 PDT 2016GCC version: gcc version 4.8.4 (Ubuntu 4.8.4-2ubuntu1~14.04.3)
執行
$ nvcc -V
結果顯示
nvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2016 NVIDIA CorporationBuilt on Wed_May__4_21:01:56_CDT_2016Cuda compilation tools, release 8.0, V8.0.26
下載 cuDNN V6.0 庫文件並添加到cuda-8.0庫
由於cuda-8.0支持的最新的tensorflow版本是tensorflow 1.5，tensorflow 1.5需要cuDNN 6.0的版本。
到官網下載cuDNN：https://developer.nvidia.com/cudnn，選擇對應的library for linux的版本(需要先註冊，才能下載)。
解壓並將內容copy到/usr/local/cuda-8.0/include和lib64目錄中：
sudo tar xvzf cudnn-8.0-linux-x64-v5.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64
sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*
安裝Tensorflow
ubuntu下安裝tensorflow參見文章 。安裝的大體流程類似，由於需要安裝歷史版本的tensorflow，通過
(tensorflow)$ pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.5.1-cp34-cp34m-linux_x86_64.whl
安裝GPU版本的TensorFlow V1.5.
測試Tensorflow
Enter the following short program inside the python interactive shell:
# Pythonimport tensorflow as tfhello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello))If the system outputs the following, then you are ready to begin writing TensorFlow programs:
Hello, TensorFlow!
閱讀更多 半杯茶的小酒杯 的文章
