ubuntu18.04安装Nvidia显卡驱动+tensorflow2.1-gpu

一、禁用BIOS中的secure boot

因为此方法使用第三方源安装显卡驱动，不禁止secure boot会导致安装的驱动不能使用，禁用也不会有多大安全隐患。
去BIOS界面中将Secure booot 设置为disable。

二、禁用nouveau

这是ubuntu默认使用的开源显卡驱动，和nvidia驱动一起使用可能导致黑屏，所以禁掉。

    lsmod | grep nouveau
    #没有lsmod就安装
    apt install module-init-tools

如果有输出则说明nouveau正在加载

打开禁用列表

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

在文本最后添加：

    blacklist nouveau
    options nouveau modeset=0

更新，重启

    sudo update-initramfs -u
    reboot

输入下列指令，如果没有输出则说明禁用成功：

    lsmod | grep nouveau

三、安装显卡驱动

检查自己电脑的gpu是否CUDA-capable

    lspci | grep -i nvidia
    #没有lspci就安装
    apt install pciutils

在输出结果中可以看到自己的显卡信息：

重点：
0. 先安装gcc：

sudo yum -y install gcc-c++
# 或者
sudo apt install build-essential

1.如果以前安装过navidia驱动，则先卸载：

sudo apt-get remove nvidia-*
sudo apt-get autoremove

或

sudo apt-get --purge remove nvidia-*
# sudo ./NVIDIA-Linux-x86_64-410.57.run -uninstall

sudo update-initramfs -u
sudo reboot now

3.更新系统软件仓库列表

sudo apt-get update

4.使用下面的命令查看系统推荐安装哪个版本的N卡驱动

在上面这些输出中可以看到recommended关键词，说明系统推荐安装的N卡驱动是"nvidia-driver-455"
5.安装推荐的N卡驱动，安装几个必要的组件，如下：

	$ sudo apt-get install nvidia-settings nvidia-driver-430 nvidia-prime

继续输入：

$ sudo ubuntu-drivers autoinstall

6.重启电脑

 sudo reboot  

四、验证

最后在终端验证是否安装成功：

nvidia-smi #如果出现GPU列表，则驱动安装成功

五、anaconda3安装tensorflw-gpu

通过以下命令安装：

conda create -n tf2_gpu_env python=3.6 tensorflow-gpu=2.1

tf2_gpu_env为环境的名字，这个命令conda会自动安装对应的python, cudatoolkit, cudnn，不需要自己配置。

问题解决：
在import tensorflow as tf的时候出现AttributeError: module 'tensorflow' has no attribute 'compat'

首先通过 conda list 查看 tensorflow 的版本，本人的为2.1.0。
重新安装对应版本的 tensorflow-estimator 即可。

conda install tensorflow-estimator==2.1.0

六、验证tensorflw-gpu

使用如下命令：

import tensorflow as tf
tf.test.is_built_with_cuda()
tf.test.is_built_with_gpu_support()

如果看到输出True，至此我们的tensorflow-gpu环境就配置完了。

七、参考链接

1、Ubuntu18.04下安装Nvidia驱动和CUDA10.1＋CUDNN
2、Ubuntu 18.04 安装NVIDIA显卡驱动教程
3、ubuntu18.04安装tensorflow-gpu2.1