如果你的电脑运行着 ubuntu16.04，并且配备了一块 nvidia geforce gpu 显卡，那么不利用它来运行深度学习模型就太浪费了！虽然网上关于这方面的教程有很多，但质量参差不齐。本文将详细指导你如何安装 gpu 显卡驱动、cuda9.0 和 cudnn7，助你一步步搭建好环境，值得一试！
注意：由于不同系统和 GPU 对应的 CUDA 和 cuDNN 版本有所不同，本文仅以 Ubuntu16.04、NVIDIA GeForce GPU、CUDA9.0 和 cuDNN7 为例进行讲解。其它版本的安装过程类似，但细节上会有不同，请读者在实际操作中灵活处理。
必要条件
要顺利进行安装，你的电脑需要满足以下两个条件：
安装了 Ubuntu16.04自带一块 NVIDIA GeForce GPU 显卡
一、安装 GPU 显卡驱动
仅仅拥有一块 NVIDIA GPU 显卡还不够，还需要安装对应的 GPU 显卡驱动。
首先，访问 GeForce 官网，在手动搜索驱动程序的选项中，选择你的系统为“Linux 64-bit”。其他选项保持默认设置，然后点击开始搜索，系统会自动匹配你的 GPU 显卡并显示可用的驱动程序，如下图所示：
如图所示，找到适合你的驱动版本并下载。例如，我选择了版本 418.43，下载后的文件名为 NVIDIA-Linux-x86_64-418.43.run。
打开终端，首先卸载系统中已安装的 NVIDIA 显卡驱动，以确保清洁安装（如果之前没有安装过，可跳过此步骤）。
$ sudo apt-get --purge remove nvidia-*
打开 blacklist 文件：
$ sudo gedit /etc/modprobe.d/blacklist.conf
在文件末尾添加以下几行：
blacklist vga16fbblacklist nouveaublacklist rivafbblacklist nvidiafbblacklist rivatv
接下来，在终端中输入：
$ lsmod | grep nouveau
如果没有输出，可以直接进行下一步。如果有输出，则继续在终端中输入：
$ sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
并写入以下内容：
blacklist nouveaublacklist lbm-nouveauoptions nouveau modeset=0alias nouveau offalias lbm-nouveau off
保存并关闭文件，然后在终端中输入以下命令，确认没有输出：
$ sudo update-initramfs -u$ lsmod | grep nouveau# 如果仍有输出，重启一次电脑
至此，应该没有输出，可以继续安装驱动程序了。
在正式安装驱动之前，请记住你下载的 .run 文件的路径和完整文件名。按 Ctrl+Alt+F1 进入命令行界面，输入以下命令：
$ sudo /etc/init.d/lightdm stop$ sudo init 3
进入 .run 文件的下载路径，使用 chmod 命令增加 .run 文件的执行权限。
$ chmod a+x NVIDIA-Linux-x86_64-418.43.run$ sudo ./NVIDIA-Linux-x86_64-418.43.run -no-x-check -no-nouveau-check -no-opengl-files
安装程序将开始运行，完成后输入以下命令：
$ nvidia-smi
如果看到类似下图的结果，说明驱动安装成功：
最后，回到图形界面：
$ sudo /etc/init.d/lightdm start
至此，GPU 显卡驱动已成功安装。
二、安装 CUDA9.0
首先，访问 CUDA 下载网站。由于当前 CUDA 版本已更新至 10，我们需要安装 9.0 版本。因此，点击 Legacy Releases，进入早期版本列表。
然后，在 CUDA 版本列表中选择 9.0 版本。
选择相应的系统信息后，点击 Download 下载 runfile 文件。
2. 打开终端，进入 CUDA9.0 的下载目录，输入：
$ chmod a+x cuda_9.0.176_384.81_linux.run$ sudo ./cuda_9.0.176_384.81_linux.run
安装过程中会提示你选择配置选项，一般选择默认设置即可。特别注意，在询问是否安装 Graphics Driver for Linux-x86_64：XXXX 版本时，必须选择 no，以免覆盖之前安装的驱动。
安装完成后，配置环境变量。打开 .bashrc 文件，在终端中输入：
$ sudo gedit ~/.bashrc
在文件末尾添加以下内容：
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
保存并退出，然后在终端中输入：
$ source ~/.bashrc
验证 GPU 驱动版本为 418.43：
$ cat /proc/driver/nvidia/version
验证 CUDA 版本为 9.0：
$ nvcc -V
5. 如果遇到未安装 gcc 或者 gcc 版本过高的问题，需要手动降级，这些问题通常较易解决，此处不做详细说明。
三、安装 cuDNN
首先，访问 cuDNN 下载网站。需要注意的是，下载前需要注册账号。在版本列表中选择与 CUDA9.0 兼容的 Linux 版本。
2. 下载完成后，解压文件：
$ tar -zxvf cudnn-9.0-linux-x64-v7.6.1.34.tgz
解压命令输出如下：
cuda/include/cudnn.hcuda/NVIDIA_SLA_cuDNN_Support.txtcuda/lib64/libcudnn.socuda/lib64/libcudnn.so.7cuda/lib64/libcudnn.so.7.6.1cuda/lib64/libcudnn_static.a
将相关文件复制到指定目录：
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include/$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
在本地 cuda 路径下创建软链接，输入以下命令：
$ cd /usr/local/cuda/lib64$ sudo chmod +r libcudnn.so.7.6.1$ sudo ln -sf libcudnn.so.7.6.1 libcudnn.so.7$ sudo ln -sf libcudnn.so.7 libcudnn.so$ sudo ldconfig
注意，这里文件名和版本号应与解压文件名一致。
在本地 cuda 路径下检查安装情况：
$ cd /usr/local/cuda/lib64$ ll
如果看到 cuDNN 对应的版本号，说明安装成功！
lrwxrwxrwx 1 root root 13 3月 19 16:02 libcudnn.so -> libcudnn.so.7*lrwxrwxrwx 1 root root 17 3月 19 16:02 libcudnn.so.7 -> libcudnn.so.7.6.1*-rwxr-xr-x 1 root root 287641664 3月 19 16:00 libcudnn.so.7.6.1*
至此，GPU 显卡驱动、CUDA9.0 和 cuDNN7 环境配置完成。
参考文献：
Ubuntu16.04搭建GTX1080+CUDA9.0+cuDNN7.0.5+Tensorflow1.6.0环境
以上就是Ubunt16.04 搭建 GPU 显卡驱动 + CUDA9.0 + cuDNN7 详细教程的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/29193.html
微信扫一扫 
支付宝扫一扫 
![[272]如何把Python脚本导出为exe程序](https://www.chuangxiangniao.com/wp-content/uploads/2025/10/175237274162331.jpg)
![[272]如何把Python脚本导出为exe程序](https://www.chuangxiangniao.com/wp-content/uploads/2025/10/175237274248195.jpg)
![[272]如何把Python脚本导出为exe程序](https://www.chuangxiangniao.com/wp-content/uploads/2025/10/175237274347331.jpg)
![[272]如何把Python脚本导出为exe程序](https://www.chuangxiangniao.com/wp-content/uploads/2025/10/175237274319271.jpg)
