docker+jupyter配置实验室共用GPU服务器（超详细教程）

硬件配置：技嘉Turbo2 RTX3090+Ubuntu20.04LTS

安装显卡驱动

安装显卡驱动时**不要！！！！**选择长期支持版（455.23.04）

必须使用短期支持版（455.45.01）

wget https://us.download.nvidia.com/XFree86/Linux-x86_64/455.45.01/NVIDIA-Linux-x86_64-455.45.01.run
sudo sh NVIDIA-Linux-x86_64-455.45.01.run

可能会出现gcc、g++版本不一致问题导致驱动安装失败，可通过安装多个版本的gcc切换使用来解决这一问题

#首先通过正常安装命令安装自己需要的gcc、g++版本
sudo apt install gcc-10.2 g++-10.2
#将刚才安装的gcc、g++加入到alternatives中
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-8 100
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-8 100
#通过以下命令实现版本切换
sudo update-alternatives --config gcc
sudo update-alternatives --config g++

解决gcc、g++问题后安提示安装显卡驱动。下面禁用nouveau驱动。nouveau 是系统自带的一个显示驱动程序，需要先将其禁用，然后再进行下一步操作，否则在安装显卡驱动时，会提示：You appear to be running an X server …，然后安装失败。分别打开如下两个文件（如果没有就创建一个），并在其中输入如下两句，然后保存。

sudo vim /etc/modprobe.d/nvidia-installer-disable-nouveau.conf
sudo vim /lib/modprobe.d/nvidia-installer-disable-nouveau.conf
#将下面两句添加至文件中
blacklist nouveau
options nouveau modeset=0

安装cuda+cudnn

驱动成功安装后需要安装cuda（支持计算的框架）与cudnn（支持计算的库），与RTX3090适配的cuda为11及以上，因为截止目前最新的tensorflow-2.4.0对应cuda-11.0，所以我们安装cuda-11.0 。访问英伟达官网选择适合自己系统的版本，按照提示的命令进行下载

wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.27.04_linux.run
sudo sh cuda_11.2.0_460.27.04_linux.run

执行安装命令时会出现选择安装组件的的多个选项，第一项为显卡驱动（上一步已安装），将[X]去掉，后几项可以全部选择，最后选择install。等待几十秒出现成功的界面。

环境变量！！环境变量！！环境变量！！

一定要注意有两个环境变量文件PATH跟LD_LIBRARY_PATH