ubuntu搭建开发环境踩坑实录

谨以此文，记录和ubuntu系统不死不休的搏斗过程，后续待补。

1.双系统安装，windows采用uefi模式安装（优启通可制作uefi的win10安装盘），ubuntu不要划分boot区，而应该划分uefi区，否则，不能被uefi引导

2.软件源都替换成清华或者阿里，blabla，否则被墙得泪流满面

　　清华镜像站：https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/

　　Ubuntu 的软件源配置文件是 /etc/apt/sources.list。将系统自带的该文件做个备份，将该文件替换为下面内容，即可使用 TUNA 的软件源镜像

# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse

#deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse

#deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

#deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

# 预发布软件源，不建议启用

# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse

3.显卡驱动照这个来 http://blog.csdn.net/u012759136/article/details/53355781

（1）去nvidia驱动官网下载驱动

（2）卸载原有驱动

（3）禁用nouveau

此处一定要重启！！！！

（4）禁用X服务

将进入命令行界面 Crtl+Alt+F1开启一个终端

（5）给驱动文件赋予权限

（6）安装

这里就是为什么驱动文件目录结构尽量浅且不要含中文的原因

不安装opengl文件的参数一定要加

痛点：中文目录尽量修改成英文，因为需要关闭X窗口用命令行来安装，命令行不支持中文

番外篇：

用此方法安装台式机时，一切顺利，安装我的960m小本本时，遇到麻烦。nvidia-settings显示不正确，后续cuda安装后也不能正常使用，仿佛是缺少了一个什么kernel文件有关。尝试用apt-get install的方式命令行直接安装成功（期间也提示缺少kernel文件，并自行下载了）。如果最后运行tf等库时出现链接问题，记得手动设置一下

sudo ldconfig /usr/local/cuda/lib64

在系统设置 附加驱动中查看推荐的驱动版本号：

关闭lightdm service后执行sudo apt-get install nvidia-375

后来发生了几次驱动崩溃，run文件安装各种问题，使用apt-get顺利填过各种坑，强烈推荐优先使用这种方式来安装！

4.安装cuda8.0

这里选择下载runfile，因为deb的自带驱动程序，会把之前安装的驱动覆盖掉，使用runfile在第一步确认的时候，选择不要覆盖原驱动程序

sudo sh cuda_8.0.61_375.26_linux.run

声明路径环境变量

sudo vim ~/.bashrc

末尾添加：

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

export PATH=/usr/local/cuda-8.0/bin:$PATH

设置用户环境变量

$ sudo vim /etc/profile
export PATH = /usr/local/cuda/bin:$PATH

创建链接文件：sudo gedit /etc/ld.so.conf.d/cuda.conf，文件中加上一行保存：/usr/local/cuda/lib64

5 安装cudnn5.1
5.0配合tensorflow1.2.1有问题，选择cudnn5.1

Download cuDNN v7.0.4 (Nov 13, 2017), for CUDA 9.0

Download cuDNN v7.0.4 (Nov 13, 2017), for CUDA 8.0

Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0

Download cuDNN v6.0 (April 27, 2017), for CUDA 7.5

Download cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0

Download cuDNN v5.1 (Jan 20, 2017), for CUDA 7.5

将解压后的文件复制到相应的文件夹中并建立软链接

sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5    #删除原有动态文件
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5  #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so      #生成软链接

验证：
（1）nvcc -V
（2）$cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery 
     $make 
    $sudo ./deviceQuery

如果需要重装，首先进行卸载

apt-get --purge remove Nvidia*

7.科学计算 深度学习 tensorflow 等等等等请服用Anaconda！！！！！！！

在清华镜像源站下载anaconda3（最新版内含python3.6，匹配tensoflow1.4及cndnn6.0）

建立python3.5的虚拟环境（因为钟情于tensorflow1.2.1）

创建 conda create -n name python=3.5

启动 source activate name

退出 source deacivate

在该环境下安装所有python相关包及tensorflow（参照清华镜像文件的提示来安装），及spyder！对，你需要在该虚拟环境下重新安装spyder，而不是使用anaconda3全局的spyder，否则会直接使用python3.6的内核来启动spyder。