unbutun18.04+RTX2070+cuda+cudnn安装+anaconda+opencv

unbutun18.04+RTX2070+cuda+cudnn安装+anaconda+opencv
一、安装anaconda3

本人下载的版本：Anaconda3-2019.03-Linux-x86_64.sh
anaconda3官网下载地址: link.
anaconda3清华源下载地址link

输入下面命令进行安装:
bash Anaconda3-2019.03-Linux-x86_64.sh
按回车进入安装说明，最后输入yes

设置文件的安装位置按回车选择默认的安装位置

设置是否加入环境变了，本人选择yes

执行运行 conda install numpy测试一下吧，看看有没有问题

解决spyder运行失败问题,运行下面命令：

conda install pyopengl

建立一个 conda 计算环境名字叫tensorflow: 在终端输入一下命令即可，我这里是Python3.6版本

conda create -n tensorflow python=3.6

激活tensorflow环境,继续在终端输入一下命令：

source activate tensorflow

在tensorflow环境下，在终端用conda安装spyder。输入一下命令：

conda install spyder

然后会看见安装目录位于我们之前建好的tensorflow环境下，也会看到安装spyder会安装许多依赖包，然后输入y，大概10分钟后就安装好了。这时我们在终端输入spyder打开spyder，在IPython console下输入import tensorflow，如果没有报错则表明安装成功了。

注意每次要使用tensorflow时，一定要先在终端激活tensorflow环境：source activate tensorflow然后输入spyder打开spyder,这里的这个spyder是tensorflow环境下的spyder,不使用tensorflow时使用以下命令关掉tensorflow环境source deactivate

二、安装cuda 10.1
由于ubuntu18.04版本的gcc是7.3版本，但是编译cuda需要的版本要低于6.0，因此需要对gcc进行降级
安装gcc4.8:

sudo apt-get install gcc-4.8

sudo apt-get install g++-4.8

将gcc4.8与gcc7.3设置到gcc的候选中，之后就可以切换gcc版本.

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 100

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.8 100

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 100

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 100

执行如下命令进行切换：

sudo update-alternatives --config gcc

sudo update-alternatives --config g++

根据自己的实际需要选择相应的版本好:
cuda与cudnn版本的选择：

之前就一直在纠结一个问题安装cuda与cudnn的版本要怎么选，怎么不同的人选择的版本都不一样，要怎么搭配，后来终于搞清楚了，要确定cuda的版本，要先知道cudnn的版本，我们先去官网看看cudnn有那些版本可以下载link,看看下面的这幅图片，官方已经给出了cuda与cudnn搭配的建议。
安装依赖的相关的包:

sudo apt-get install g++ freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev
或sudo apt-get install python-pip python-dev
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

开始安装

sudo sh cuda_10.1.105_418.39_linux.run

需要注意的是，之前已经安装过显卡驱动程序，故在提问是否安装显卡驱动时选择no,其他 选择默认路径或者yes即可。

修改环境变量:

sudo gedit .bashrc

export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

更新：
source .bashrc

执行nvcc -V看看是否安装成功.
测试

cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
cd ../bandwidthTest
sudo make
./bandwidthTest

三、安装cudnn
下载链接link下载 cuDNN Runtime Library for Ubuntu18.04 (Deb)
安装deb安装包

sudo dpkg -i libcudnn7_7.5.0.56-1+cuda10.1_amd64.deb

拷贝测试demo：

cp /usr/src/cudnn_samples_v7/ ~ -raf    //拷贝到home目录
 cd ~/cudnn_samples_v7/mnistCUDNN        //进入相关测试项目
 make clean && make                     //编译
./mnistCUDNN                             //运行测试
sudo dpkg --contents libcudnn7_7.5.0.56-1+cuda10.1_  //用于查看安装包安装的信息

四、安装tensorflow
我们采用pip的方式安装tensorflow，在安装之前先更新一下pip的源:

升级pip到最新版本

sudo apt-get install python-pip python-dev 

安装命令:

pip install tensorflow-gpu==1.7

卸载命令

sudo pip uninstall tensorflow-gpu

五、添加keras的安装

pip install keras

六、open-cv3
根据自己的版本，去下面地址下载对应的包：
link
比如，下载了包：opencv3-3.1.0-py36_0.tar.bz2
直接使用conda命令安装：

conda install opencv3-3.1.0-py36_0.tar.bz2

在ipython交互下，import cv2不报错，即安装成功。

更新numpy

conda install  -f  numpy