ubuntu16.04+gtx1080+cuda8.0安装 - lien0906的专栏 - CSDN博客
ubuntu16.04+gtx1080+cuda8.0安装
一、准备工作
a. &ubuntu系统安装。交换空间选择逻辑分区，根目录选择主分区。为防止安装显卡后黑屏，初步选用英文版本系统安装。
b. 显卡驱动和cuda8.0安装文件。
2. 禁止集成的nouveau驱动
（1）Ubuntu系统集成的显卡驱动程序是nouveau，它是第三方为NVIDIA开发的开源驱动，我们需要先将其屏蔽才能安装NVIDIA官方驱动。&
将驱动添加到黑名单blacklist.conf中，但是由于该文件的属性不允许修改。所以需要先修改文件属性。
$sudo ls -lh /etc/modprobe.d/blacklist.conf
$sudo chmod 666 /etc/modprobe.d/blacklist.conf
用gedit编辑器打开&
$sudo gedit /etc/modprobe.d/blacklist.conf
在该文件后添加一下几行：
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb
安装Nvidia显卡的官方驱动和系统自带的nouveau驱动冲突。
& & & 安装网上方法尝试了modprob.d/blacklist.conf里的各种修改，重启以后还是没有成功警用nouveau驱动
最后看见一个方法：
直接移除这个驱动（备份出来）
# & &mv /lib/modules/3.0.0-12-generic/kernel/drivers/gpu/drm/nouveau/nouveau.ko /lib/modules/3.0.0-12-generic/kernel/drivers/gpu/drm/nouveau/nouveau.ko.org & &（注意，3.0.0-12-generic的具体名称与该安装电脑实际的文件名称一致，此处只做参考）
重新加载一下 & &
# & & update-initramfs -u
重启发现字体已经变大了，卸载成功。
用官方驱动安装，将驱动拷到主文件夹，然后按Ctrl+Alt+F1退到终端并登录
sudo /etc/init.d/gdm stop 停止界面服务
然后运行sudo sh ./Nv.......（驱动软件名）
依次按照提示进行
3.开始安装显卡驱动
先按Ctrl + Alt + F1到控制台，关闭当前图形环境&
$sudo service lightdm stop
再安装驱动程序&
$sudo sh NVIDIA-Linux-x86_64-xxx.run
最后重新启动图形环境&
$sudo service lightdm start
4. 安装cuda8.0
先按Ctrl + Alt + F1到控制台，关闭当前图形环境&
安装之前先卸载已经存在的驱动版本：
sudo apt-get remove --purge nvidia*
若电脑是集成显卡（NVIDIA独立显卡忽略此步骤），需要在安装之前禁止一项：
sudo service lightdm stop
再执行以下命令：
sudo sh cuda_8.0.27_linux.run
安装完成后恢复图形界面
sudo service lightdm start
我的热门文章Ubuntu 16.04+CUDA8.0+Caffe安装教程_Linux教程_Linux公社-Linux系统门户网站
你好，游客
Ubuntu 16.04+CUDA8.0+Caffe安装教程
来源：Linux社区&
作者：autocyz
分享下 16.04+CUDA8.0+Caffe安装教程，CUDA CUDA(Compute Unified Device Architecture)，显卡厂商NVidia推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员现在可以使用C语言来为CUDA架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序于是就可以在支持CUDA的处理器上以超高性能运行。
1、安装nvidia驱动
首先去官网上查看适合你GPU的驱动（） 例如，本人的GPU适合的驱动如图：
执行如下语句，安装
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-367
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
执行完上述后，重启（reboot）。 重启后输入：
nvidia-smi
如果出现了你的GPU列表，则说明驱动安装成功了。另外也可以通过
nvidia-settings
查看自己机器上详细的GPU信息，本人机器的信息如下：
2、安装CUDA
cuda是nvidia的编程语言平台，想使用GPU就必须要使用cuda。 从这里下载cuda的安装文件
注意这里下载的是cuda8.0的runfile（local）文件。 这里是nvidia给出的官方安装指南（遇到问题时可以查阅）：
下载完cuda8.0后，执行如下语句，运行runfile文件：
sudo sh cuda_8.0.27_linux.run
执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia361驱动时，一定要选择否，因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。 安装成功后会出现如下界面：
===========
= Summary =
===========
Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-8.0
Samples: Installed in /home/textminer
Please make sure that
& PATH includes /usr/local/cuda-8.0/bin
& LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-8.0/bin
Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-8.0/doc/pdf for detailed information on setting up CUDA.
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 361.00 is required for CUDA 8.0 functionality to work.
To install the driver using this installer, run the following command, replacing with the name of this run file:
sudo .run -silent -driver
Logfile is /opt/temp
安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:
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}}
然后设置环境变量和动态链接库，在命令行输入：
$ sudo gedit /etc/profile
在打开的文件末尾加入：
export PATH = /usr/local/cuda/bin:$PATH
保存之后，创建链接文件：
sudo gedit /etc/ld.so.conf.d/cuda.conf
在打开的文件中添加如下语句：
/usr/local/cuda/lib64
sudo ldconfig
使链接立即生效。
3、测试cuda的Samples
cd /usr/local/cuda-7.5/samples/1_Utilities/deviceQuery
sudo ./deviceQuery
如果显示的是一些关于GPU的信息，则说明安装成功了。
4、使用cudnn
首先去官网下载你需要的cudnn，下载的时候需要注册账号。选择对应你cuda版本的cudnn下载。这里我下载的是cudnn5.1，是个压缩文件（.tgz）
下载完cudnn5.0之后进行解压，cd进入cudnn5.1解压之后的include目录，在命令行进行如下操作：
sudo cp cudnn.h /usr/local/cuda/include/
再将cd进入lib64目录下的动态文件进行复制和链接：
sudo cp lib* /usr/local/cuda/lib64/
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
5、matlab的安装与配置
在网盘上下载安装包，见这篇文章 &。里面有一个crack文件夹，MATHWORKS_R2014A.iso用于安装。
1、挂载iso（需新建matlab_iso文件夹）：
sudo mount -o loop MATHWORKS_R2014A.iso ～/matlab_is
2、开始安装：
cd ~/matlab_iso
sudo ./install
3、选择不联网安装
4、密钥随便输入，比如 12345-67890-12345-67890
5、激活：选择&license_14a.lic&文件进行激活（在Crack文件夹下面）
6、将libmwservices.so复制到/usr/local/MATLAB/R2014a/bin/glnxa64中：
sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/libmwservices.so
6、安装opencv3.1.0
从官网上下载opencv3.1.0
并将其解压到你要安装??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东东。
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
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -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
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
sudo /bin/bash -c 'echo "/usr/local/lib" & /etc/ld.so.conf.d/opencv.conf'
sudo ldconfig
重启系统，重启系统后cd到build文件夹下：
sudo apt-get install checkinstall
sudo checkinstall
然后按照提示安装就可以了。 使用checkinstall的目的是为了更好的管理我安装的opencv，因为opencv的安装很麻烦，卸载更麻烦，其安装的时候修改了一大堆的文件，当我想使用别的版本的opencv时，将当前版本的opencv卸载就是一件头疼的事情，因此需要使用checkinstall来管理我的安装。 执行了checkinstall后，会在build文件下生成一个以backup开头的.tgz的备份文件和一个以build开头的.deb安装文件，当你想卸载当前的opencv时，直接执行dpkg -r build即可。
7、安装caffe
首先安装各种依赖包
sudo apt-get update
sudo apt-get install -y build-essential cmake git pkg-config
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install -y libatlas-base-dev
sudo apt-get install -y--no-install-recommends libboost-all-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install -y python-pip
sudo apt-get install -y python-dev
sudo apt-get install -y python-numpy python-scipy
将终端cd到你要安装caffe的位置，执行如下指令，从github上clone caffe。
git clone https://github.com/BVLC/caffe.git
//从github上git caffe
cd caffe //打开到刚刚git下来的caffe
sudo cp Makefile.config.example Makefile.config
//将Makefile.config.example的内容复制到Makefile.config
//因为make指令只能make Makefile.config文件，而Makefile.config.example是caffe给出的makefile例子
sudo gedit Makefile.config //打开Makefile.config文件
打开之后修改如下内容：
修改为： INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
MATLAB_DIR := /usr/local
MATLAB_DIR := /usr/local/matlab2014a
打开makefile文件，
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
编辑/usr/local/cuda/include/host_config.h，将其中的第115行注释掉： 将
make all -j8
make runtest
make pycaffe
make matcaffe
PDF版到Linux公社资源站下载：
------------------------------------------分割线------------------------------------------
免费下载地址在
用户名与密码都是
具体下载目录在 /2017年资料/1月/7日/Ubuntu 16.04+CUDA8.0+Caffe安装教程/
下载方法见
------------------------------------------分割线------------------------------------------
Ubuntu 14.04 安装配置CUDA&
Ubuntu 12.04配置NVIDIA CUDA5.5实录&
Ubuntu安装Theano+CUDA&
关于Ubuntu 12.04 下 CUDA5.5 的安装请参看如下链接
Caffe配置简明教程 ( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1 / OpenCV 3.1 )
在Ubuntu 14.04上配置CUDA+Caffe+cuDNN+Anaconda+DIGITS&
Ubuntu16.04下CUDA8.0+Caffe安装配置过程&
Ubuntu 14.04下CUDA8.0 + cuDNN v5 + Caffe& 安装配置
Ubuntu 16.04+Nvidia GTX 1080+CUDA8.0 深度学习环境配置
更多Ubuntu相关信息见 专题页面
本文永久更新链接地址：
相关资讯 & & &
& (03月07日)
& (01月07日)
& (06月22日)
& (02月22日)
& (01月07日)
　　　同意评论声明
　　　发表
尊重网上道德，遵守中华人民共和国的各项有关法律法规
承担一切因您的行为而直接或间接导致的民事或刑事法律责任
本站管理人员有权保留或删除其管辖留言中的任意内容
本站有权在网站内转载或引用您的评论
参与本评论即表明您已经阅读并接受上述条款标签：至少1个，最多5个
因为windows只支持py3版本的tensorflow，而很多项目是用py2构建的，所以我又尝试在Ubuntu16.04中再次安装GPU版的tensorflow。
我们需要安装的内容有Cuda8.0和Cudnn5.1和tensorflow-gpu。
检查你的显卡是否可以安装Cuda
首先，你要有一块NVIDA的显卡，然后性能评分要大于3.0
TensorFlow GPU support requires having a GPU card with NVidia Compute Capability &= 3.0. Supported cards include but are not limited to:
NVidia Titan
NVidia Titan X
NVidia K20
NVidia K40
简单得说起来呢，你要有一块最好是GTX的显卡，或者有一块还算新的（7,8,9,10系列），再或者在同代中还算凑合的（640之类）的卡，不然还是攒钱买台游戏本吧哦，不对，是学习机
笔者的卡是GTX950m，虽然比不上像1080和泰坦这样的逆天神卡，但是2G显存还是能在笔记本中排前十的当年为了玩游戏买的游戏本，今天居然能用来学习，也是感慨良多啊，以前玩游戏是多么愧疚万分
既然显卡可以用，那我们就要开始正式安装Cuda了。
按装官方教程，我们可以应该安装Cuda8.0和Cudnn V5.1（由于Cuda7.5最高支持15.04，所以不推荐安装Cuda7.5，虽然也能运行。另外Cuda8.0一定要安装Cudnn5.1，版本必须匹配）
大家可以到来下载Cuda8.0
大家注意在这里选funfile local，因为选deb的话会遇到apt get的源损坏问题，所以最好不要下那个
降级gcc和g++
由于Cuda不支持新版本的gcc和g++，所以如果建议先降级到4版本，具体方法请Google
安装显卡驱动
敲黑板！！！！一定不要用Cuda自带的显卡驱动！！！兼容性不太好，很容易把驱动搞坏，导致循环登陆问题。出了这个问题请参看主要就是要重新安装驱动，主要是这行代码起作用：
sudo apt-get install nvidia-367
然后选择最上面一个NVIDIA驱动，进行安装
请坐和放宽，关闭你的图形界面
大家看到这里是不是觉得我疯了，不，不是我疯了，是疯了NVIDA。在安装Cuda的时候，我们要关闭X服务。当时看到请检查你的X服务是否关机的时候，我整个人是懵逼的，啥，我啥X服务，还特殊服务呢。。。我把SS都关了，甚至重启了刚开机就装都提示请检查关闭X
这尼玛X是啥 ，会不会说人话，是不是要劳资把系统都关了？在咨询群里大牛后我彻底傻了，真的是要把图形界面关了，不，准确说是要把图形界面关了。恩，对，关了图形界面，用命令行安装。。。
我类个去。。。。
好的，关就关嘛，随怕随。不过在关之前，请记住你的cuda runfile的下载路径备用。
请坐稳扶好，坐窗边的旅客请不要把头手伸出窗外，我们要开始时空穿梭，请在终端中打下如下命令：
sudo service lightdm stop
忽然间，你会感到一阵清风吹过你的面庞，那是因为我们在时空穿梭。。。2333， 欢迎回到上个世纪，在很久很久已经，我们只有命令行。。。。
不要以为上面那张图没加载出来，就是那样的。为什么，因为我们关了图形界面。。2333而且，我们还没调出命令行。。。。
好了，按住
CTRL + ALT + F1
我们调出了命令行，开始装Cuda
输入账户密码登陆
cd 到你要下载的目录，执行
sudo sh cuda_8.0.44_linux.run
然后你会看到
Do you accept the previously read EULA?accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?(y)es/(n)o/(q)uit: y如果这里不安装的话后面可能会出现找不到Cuda驱动的问题但是很多文章认为安装的话会把之前安装的驱动废掉两篇文章供参考
如果你刚才选了y，那么这里还会问你要不要装X configuration，这里就绝对不能选y了因为前面其实和Cuda driver有关，装了一样能运行。但是如果你装了X configuration，也就是NVIDIA驱动，那就彻底废了。因为这会导致驱动损坏，发生循环登录问题。
如果不幸发生了循环登录问题，请参考这篇文章，重装驱动解决：
Install the CUDA 8.0 Toolkit?(y)es/(n)o/(q)uit: y
Enter Toolkit Location[ default is /usr/local/cuda-8.0 ]:回车
Do you want to install a symbolic link at /usr/local/cuda?(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location[ default is /root ]:回车
Installing the CUDA Toolkit in /usr/local/cuda-8.0 …Installing the CUDA Samples in /root …Copying samples to /home/derek/NVIDIA_CUDA-8.0_Samples now…Finished copying samples.
= Summary =
Driver: InstalledToolkit: Installed in /usr/local/cuda-8.0Samples: Installed in /home/derek
Please make sure that– PATH includes /usr/local/cuda-8.0/bin– LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-8.0/bin
Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-8.0/doc/pdf for detailed information on setting up CUDA.
WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 361.00 is required for CUDA 8.0 functionality to work.
To install the driver using this installer, run the following command, replacing with the name of this run filesudo.run -silent -driver
安装成功，撒花～在命令行中打下如下代码，回到文明世界：
sudo service lightdm start
设置Cuda环境变量
还别高兴太早，没设环境变量待会要出事的，就像下面TensorFlow运行失败
sudo vi ~/.bash_profile
打开配置文件，最后们加入以下几行
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda-8.0
wq 保存离开。如果你没装 /usr/local/cuda，请自行了断：修改路径
环境变量的设置不是太熟悉，大家可以自行google。或者把上面两行直接粘贴到终端中，会理解生效，不过仅在该终端中有效
安装过程可以参考这篇文章
Cudnn 安装
到下载。 当然你先得注册一个NVIDA账号，添一堆问卷。 选择 Download cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0下载 cuDNN v5.1 Runtime Library for Ubuntu16.04 Power8 (Deb)安装或者下载tar，解压后会得到一个Cuda文件夹，复制到Cuda-8.0文件夹中
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/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*
检查是否复制成功，否则会在import tf时出错
安装TensorFlow
这里不好意思我就假设你pip装好，网络环境正常，网路不好的到github上找别人下好的下载吧。。。执行下面命令
pip install tensorflow-gpu
如果安装缓慢老中断可以先把numpy等相关的包装好
照着官网打呗，这还有啥好说的呢～恭喜安装成功！！！！
&&& import tensorflow as tf
&&& hello = tf.constant('Hello, TensorFlow!')
&&& sess = tf.Session()
&&& print(sess.run(hello))
Hello, TensorFlow!
&&& a = tf.constant(10)
&&& b = tf.constant(32)
&&& print(sess.run(a + b))
1 收藏&&|&&5
你可能感兴趣的文章
11 收藏，2.1k
7 收藏，797
这一条命令sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*应该改成sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*才对吧
恩，可能是吧，时间太长记不清了，你就看你安装在什么路径下了，根据自己的情况修改就好
/usr/local/cuda 这个路径其实是已安装cuda的一个符号链接，版本8.0的话实际路径指的就是/usr/local/cuda-8.0
分享到微博？
技术专栏，帮你记录编程中的点滴，提升你对技术的理解收藏感兴趣的文章，丰富自己的知识库
明天提醒我
我要该，理由是：Ubuntu 16.04 下 CUDA 8 + cuDNN 5.1安装_Linux教程_Linux公社-Linux系统门户网站
你好，游客
Ubuntu 16.04 下 CUDA 8 + cuDNN 5.1安装
来源：Linux社区&
作者：小昊昊
环境： 16.04 64bit
Nvidia GeForce GTX 1070 （驱动Nvidia-Linux-x86_64-367.57）
安装：CUDA 8.0.44
显卡驱动安装：Ubuntu 16.04 Nvidia 显卡驱动安装&见&
CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。
cuDNN是GPU加速计算深层神经网络的库。
去官网下载CUDA。
我选择的是：
Operating System : Linux
Architecture : x86_64
Distribution : Ubuntu
Version : 16.04
Installer Type : runfile(local)
deb里似乎带了旧显卡驱动，安装完后还要重新装显卡驱动，有些麻烦。就用runfile。
我安装的时候运行完，显示安装cuda_toolkit的时候库libGLU.so和libXmu.so缺失。或许可以尝试先安装：
apt-get install libglu1-mesa libxi-dev libxmu-dev libglu1-mesa-dev
（见Missing recommended library: libGLU.so）
我是先装Nvidia驱动的，第一次装cuda的时候总是报Warning : Incomplete installation ...然后提示没有驱动。我感觉可能是显卡驱动那边有问题，于是
sudo update-initramfs -u
sudo modprobe nvidia
然后安装Cuda。
具体参考：this installation did not install the CUDA driver
sudo sh ./cuda_8.0.44_linux.run
(可通过sudo sh ./cuda_8.0.44_linux.run --help查看一些参数命令，安装某一部分或是卸载的参数都可以看到，可能有些情况安装要带--override参数）
一大堆条款什么的，愿意看就看吧，不想看直接回车按到底。
输入accept接受条款。
接下来只有nvidia驱动那里不要装，因为我之前已经装过了显卡驱动。其他都选是或者默认就可以。
输入n。不装nvidia驱动。
输入y。安装cuda toolkit
回车。 使用默认安装路径/usr/local/cuda-8.0
输入y。安装指向/usr/local/cuda的链接
输入y。安装Samples。
回车。 使用Samples默认安装路径/home/username
环境变量设置
sudo vim ~/.bashrc
在末尾添加
export CUDA_HOME=/usr/local/cuda-8.0
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-8.0/bin:$PATH
保存退出。
然后刷新。
source ~/.bashrc
动态链接库设置
创建文件：
sudo vim /etc/ld.so.conf.d/cuda.conf
写入：/usr/local/cuda/lib64
保存之后使其立即生效：
sudo ldconfig -v
（1）Cuda版本
nvcc --version
我这里提示nvcc没安装。之前说装toolkit时缺两个库，我装上后重装了cuda还是这样，执行cuda.run --silent --toolkit还是没用。最后只能sudo apt-get install& nvidia-cuda-toolkit下一个G了，不知道为什么。
sudo apt-get install& nvidia-cuda-toolkit
nvcc --version
（2）Sample测试
cd /usr/local/cuda/samples
sudo chown -R &username&:&usergroup& .
cd 1_Utilities/deviceQuery
./deviceQuery
输出一些关于cuda及显卡的信息则正常。make时可能会因gcc、g++版本过高引发问题，但我没遇到，解决方法可见底部我的参考。
去官网下载cuDNN，要注册NVIDIA账号。
我选择的是cuDNN v5.1 -& cuDNN v5.1 Library for Linux
下载cuDNN后解压
cd cuda/include
sudo cp cudnn.h /usr/local/cuda/include #复制头文件
cd ../lib64
sudo rm -rf libcudnn.so libcudnn.so.5& & #删除原动态文件
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5& #生成软链接
sudo ln -s libcudnn.so.5 libcudnn.so& & & #生成软链接
若需要更换cudnn版本，则替换原来的libcudnn*，并重新软链接。
更新链接库：
sudo ldconfig
Ubuntu 14.04 安装配置CUDA&
Ubuntu 12.04配置NVIDIA CUDA5.5实录&
Ubuntu安装Theano+CUDA&
关于Ubuntu 12.04 下 CUDA5.5 的安装请参看如下链接
Caffe配置简明教程 ( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1 / OpenCV 3.1 )
在Ubuntu 14.04上配置CUDA+Caffe+cuDNN+Anaconda+DIGITS&
更多Ubuntu相关信息见 专题页面
本文永久更新链接地址：
相关资讯 & & &
& (01月07日)
& (12/27/:26)
& (06月22日)
& (12/27/:59)
& (11/05/:37)
　　　同意评论声明
　　　发表
尊重网上道德，遵守中华人民共和国的各项有关法律法规
承担一切因您的行为而直接或间接导致的民事或刑事法律责任
本站管理人员有权保留或删除其管辖留言中的任意内容
本站有权在网站内转载或引用您的评论
参与本评论即表明您已经阅读并接受上述条款}