Ubuntu20.04安装Nvidia显卡驱动、CUDA11.5、cuDNN8.3、Anaconda及Tensorflow-GPU版本详细图文操作教程

一、下载安装程序

1.下载Nvidia显卡驱动

登录Nvidia官方网站，在下拉菜单选择自己的信息，下载最新驱动程序（以本人3070Laptop为例）。尽量下载最新驱动，不然tensorflow-gpu安装可能会出现问题！
Nvidia驱动下载：https://www.nvidia.cn/geforce/drivers/

搜索完成后，点击下载，保存到任意目录下（默认下载到~/Downloads）。

2.下载Anaconda安装包

登录Anaconda官方网站，按照个人需求选择版本，这里我选个人版。
Anaconda官方网站：https://www.anaconda.com/

点击Downloads，保存到任意目录下（默认下载到~/Downloads）。

3.下载CUDA和cuDNN

前往官方网站下载CUDA，具体需要哪个版本，需要前往cuDNN下载页面，查看当前能够支持的版本号，必须与之相对应，否则无法安装成功。上图为CUDA下载页面，下图为cuDNN下载页面。下载的CUDA放在默认的Downloads文件夹下就可以了。
显卡驱动与CUDA版本对应关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
CUDA最新版本：https://developer.nvidia.com/cuda-downloads
CUDA历史版本：https://developer.nvidia.com/cuda-toolkit-archive
cuDNN最新版本：https://developer.nvidia.com/rdp/cudnn-download
cuDNN历史版本：https://developer.nvidia.com/rdp/cudnn-archive

显卡驱动与CUDA对应关系

这里我安装的驱动是495.46,对应CUDA应该选择11.5

11.5CUDA对应选择cuDNN版本为8.3.1，但是要看清楚8.3.1有两个

注意：如果不安装CUDA和cuDNN，也可以进行Tensorflow-gpu安装，完成后显示安装成功，import tensorflow不会报错，但无法使用GPU进行运算。仅安装CUDA可以运行Tensorflow的GPU运算，但运算速度较慢，安装cuDNN可以显著加快运算。
CUDA请下载.run格式的版本，.deb安装较为麻烦且不易成功。

下载cuDNN前，需要注册帐号，并完成资料填写，按照要求填完即可下载
下载完成（因为cuDNN目前最新支持CUDA11.5，故笔者下载CUDA11.5.0和cuDNN8.3.2）

检查一下是否齐全，一共4个安装包，其中Nvidia相关驱动3个、Anaconda安装包1个

二、安装Nvidia显卡驱动

1.禁用nouveau

因为Ubuntu自带的驱动和我们要安装的Nvidia驱动有冲突，故需禁用。
首先修改配置文件，打开“终端”（Ctrl+Alt+T)

sudo gedit /etc/modprobe.d/blacklist.conf

找到最后一行，在末尾加入下列内容，将nouveau列入黑名单

blacklist nouveau
options nouveau modeset=0

完成后如下图所示，点击“保存”，而后退出

应用刚才修改的配置

sudo update-initramfs -u
reboot

重启后验证更改是否生效

lsmod | grep nouveau

没有输出则代表已经禁用

2.运行安装程序

关闭图形化界面（非必要操作，有时不关闭无法完成旧驱动卸载）

sudo telinit 3

卸载旧版本nvidia驱动

sudo apt-get remove --purge nvidia* 

CD到下载目录，使用sh命令进行安装（20.04版本不需要增加chmod +x可执行权限，可以直接运行）
第一次运行安装程序有极大可能性会报错，部分问题可参考本章第3条，此处为顺利安装的情况

sudo sh NVIDIA-Linux-x86_64-495.46.run

点击Contiue，不影响安装

无问题则开始读条，期间可能弹出警告，缺少32位运行库，无视

读条结束后，提示是否需要使用Nvidia工具自动更新配置文件，选No，以免破坏我们安装好的环境

能走到上面一步，基本上已经安装成功了，现在检验一下

nvidia-smi

如下图所示，表示安装正确，安装失败则会报错

Nvidia x控制面板也显示正常

3.常见问题解决

（1）缺少gcc

sudo apt-get  install  build-essential

（2）缺少g++

sudo apt-get install g++

（3）缺少make

sudo apt-get install make

（4）因为缺少依赖环境导致无法安装
有时会比较棘手，问题层出不穷，可按以下方法尝试

sudo apt --fix-broken install
sudo apt-get update
sudo apt-get upgrade

如果IP无法访问，则需要更改安装源，先备份、后修改

sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup
sudo gedit /etc/apt/sources.list

将全部内容都删除，只保留以下内容（也可换别的源）

deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

如果apt-get update依然找不到源，可以尝试将/etc/apt/sources.list.d文件夹下对应的文件删除
然后再进行update、upgrade

三、安装CUDA

1.运行安装程序

打开终端

sudo sh cuda_11.5.0_495.29.05_linux.run

输入accept

因为我们事先安装好了显卡驱动，所以Driver这里要取消，其他的全部安装，点击Install

安装完成

2.配置环境变量

添加环境变量

gedit ~/.bashrc

在末尾处增加以下内容，其中cuda-11.5这里是我的版本号，如果安装其他版本请相应调整。

export PATH=/usr/local/cuda-11.5/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.5/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

完成后点击保存，退出。输入source ~/.bashrc应用环境变量

source ~/.bashrc

查看版本号，如果正常显示，代表安装成功

nvcc -V

注：有教程说需要降级gcc版本，笔者仅有gcc9，未安装gcc7依旧能够成功。

四、安装cuDNN

Nvidia官方安装介绍：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html

完全按照官方操作即可，大概意思是将文档中的X.Y修改成CUDA版本号、v8.x.x.x修改成cuDNN版本号，这里我们将X.Y改为11.5、v8.x.x.x修改为8.3.2.44，同学们参照修改就可以了。

tar -xvf cudnn-linux-x86_64-8.3.2.44_cuda11.5-archive.tar.xz

成功提取文件后不用管它，继续执行命令

sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include 
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

验证安装

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

五、安装Anaconda

1.运行安装程序

cd到Anaconda文件目录下进行安装

sh Anaconda3-2021.11-Linux-x86_64.sh

看完很长的文档后，开始操作（不想看文档可以按Ctrl+C跳过，不会退出安装）
第一个提示表示是否接受条款并安装，输入yes；
第二个提示表示是否在默认目录下安装，建议同意，直接敲回车；
第三个提示表示是否需要conda进行初始化，输入yes。

测试是否安装成功

anaconda-navigator

启动Anaconda的控制面板，成功运行则如下图所示

2.创建快捷方式

创建桌面快捷方式

cd ~/Desktop
gedit Anaconda.desktop

在文本编辑器里面复制下列代码，注意需要将Exec和Icon参数中的username替换为您自己的帐号名称，然后保存

[Desktop Entry]
Version=1.0
Name=Anaconda
Type=Application
GenericName=Anaconda
Comment=Scientific Python Development Environment - Python3
Exec=/home/username/anaconda3/bin/anaconda-navigator
Categories=Development;Science;IDE;Qt;Education;
Icon=/home/username/anaconda3/lib/python3.9/site-packages/anaconda_navigator/static/images/anaconda-icon-256x256.png
Terminal=false
StartupNotify=true

右键点击桌面图标，选择“允许启动”

六、安装Tensorflow

通过Anaconda安装Tensorflow，使用conda命令安装，可自动适配符合系统的版本工具，轻松完成Tensorflow安装，比pip安装成功率更高
在Anaconda中创建tensorflow环境

conda create -n tensorflow

激活并切换到tensorflow环境，成功切换的话括号内的名称则会变为tensorflow

source activate tensorflow

安装Tensorflow的GPU版本

conda install tensorflow-gpu

经过一段时间的等待，出现三个“done”完成安装

我们来进python测试一下，import tensorflow无显示，安装成功

七、配置PyCharm调用Anaconda的Tensorflow环境

回到Anaconda Navigator面板，按下Ctrl+p，打开设置面板，在最下面加入PyCharm的绝对路径，这样我们就可以从Anaconda中启动PyCharm了（不设置也不影响使用）

启动PyCharm，按下Ctrl+Alt+s，打开设置面板，将Jupyter服务器的Python解释器设置为我们刚装好的tenserflow环境（如果以前没有运行过Jupyter文件，可能需要先安装PyCharm的Jupyter服务器）