最简单 安全 高效的 nvidia 驱动 pytorch tensorflow keras cuda安装

注：
windows务必使用管理员权限
这里使用pyenv + anaconda 管理
ref：
https://blog.csdn.net/huuuuuuuu/article/details/88530215
https://blog.csdn.net/huuuuuuuu/article/details/84109295

1. NVIDIA驱动

如果已经有了，或者版本不用更新，可以跳过该步骤

1. 增加源，并更新

   sudo add-apt-repository ppa:graphics-drivers/ppa
   sudo apt update
   

2. 查看设备支持的驱动版本

   sudo ubuntu-drivers devices
   

3. 直接安装想要的版本（如果已经有则会更新）

   sudo apt install nvidia-410
   

4. 重启

   sudo reboot
   

2. pyenv

（windows跳过此部分）

1. 安装
   mac：
   (ref https://github.com/pyenv/pyenv#homebrew-on-macos)

    $ brew update
    $ brew install pyenv
   

   linux:
   (ref https://github.com/pyenv/pyenv-installer)

   $ curl -L https://github.com/pyenv/pyenv-installer/raw/master/bin/pyenv-installer | bash
   

2. 将此内容插入.bashrc末尾

   export PATH="~/.pyenv/bin:$PATH"
   eval "$(pyenv init -)"
   eval "$(pyenv virtualenv-init -)"
   

   $ vi ~/.bashrc
   $ pyenv update
   

3. anaconda

1. pyenv安装anaconda

   $ pyenv install anaconda3-2018.12
   

2. 切入ananconda环境

   $ pyenv global anaconda3-2018.12
   

3. 更新anaconda包

   (anaconda3-2018.12)$ conda update conda
   (anaconda3-2018.12)$ conda update anaconda
   (anaconda3-2018.12)$ conda update python
   (anaconda3-2018.12)$ conda update --all
   

4. 创建conda环境

   (anaconda3-2018.12)$ conda create -n envname python=3.6
   

5. 激活并进入

   (anaconda3-2018.12)$ conda activate envname
   

cuda

1. 安装，不用指定版本，会自己安装你合适的版本

   (envname)(anaconda3-2018.12)$ conda install -c anaconda cudatoolkit
   (envname)(anaconda3-2018.12)$ conda install -c anaconda cudnn
   

框架

安装完pyenv和anaconda后，框架安装最好参照官网

1. tensorflow
   gpu版：

   (envname)(anaconda3-2018.12)$ conda install -c aaronzs tensorflow-gpu
   

2. pytorch
   进入你安装好的anaconda环境后，使用conda list查看你的cudatoolkit版本，然后去官网选择对应版本下载
   gpu版：

   (envname)(anaconda3-2018.12)$ conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
   

3. keras
   gpu版：

   (envname)(anaconda3-2018.12)$ conda install keras-gpu