ubuntu17.04以上版本安装gpu版caffe

        本次安装使用ubuntu17.04，cuda 9.0  cudnn7.0 截止当前2018.5.28，这个组合在ubuntu和win 10上对caffe和tensorflow以及其他框架的支持都比较好。

1.cuda和cudnn安装

        新安装好的ubuntu系统是没有nvidia驱动的，有一些教程会说让先禁用nouveau驱动然后怎么的怎么的，在这里呢，给大家介绍cuda的deb安装，这种方式会在装cuda的时候自动帮你装上nvidia驱动，免去不少麻烦，而且安装的时候比较简单。

cuda下载地址：

https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=deblocal

下载 Base Installer就可以了。

cudnn下载地址（需要注册个账号）：

https://developer.nvidia.com/rdp/cudnn-archive

cudnn我下载的是cuDNN v7.0.4 (Nov 13, 2017), for CUDA 9.0

下载好cuda和cudnn之后，会得到如下两个压缩包。

在这里给大家分享个我自己写的sh脚本，不过直接执行会有些问题，所以按着脚本逐条执行就不会出现什么问题。

首先呢，进入两个安装包的目录下，依次执行：

#安装cuda
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

#安装cudnn
tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn* 

然后就算是安装完成了，接下来呢需要设置一下环境变量，在/etc/profile或者~/.bashrc加入：

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}

至此cuda和cudnn安装完成，然后需要重启一下，重启之后输入nvidia-smi看下显卡驱动应该是安装好了，部分显卡在进程列表会有not support字样，忽略就好。

输入nvcc -V会显示cuda版本信息，注意这里的V是大写。

2.caffe安装

如果一切顺利，此时就可以用apt install caffe-gpu进行caffe安装了。

这个就比较简单了直接在终端输入以上命令即可安装，大概需要一两分钟左右，然后就可以使用了。

需要注意的是这种方式安装的caffe如果要在python中使用，那么需要选的python解释器应该是/usr/bin/python3。

在使用python的caffe时可能还需要安装一些库，如我比较常用opencv，scikit-learn，numpy，scikit-image等，安装的命令分别是：

pip3 install opencv-python

pip3 install scikit-learn

pip3 install numpy

pip3 install scikit-image

okok全部说完，祝大家学习愉快。