Ubuntu16.04+NVIDIA430.40+CUDA10.0+CUDNN7.6.4+tensorflow-gpu1.13.1+pycharm社区版

Ubuntu+NVIDIA430.40+CUDA10.0+CUDNN7.6.4+tensorflow-gpu1.13.1+pycharm社区版

注：1.NVIDIA显卡驱动和CUDA工具包本身是不具有捆绑关系的，也不是一一对应的关系，只不过是离线安装的CUDA工具包会默认携带与之匹配的最新的驱动程序。

2. cuDNN是一个SDK，是一个专门用于神经网络的加速包，注意，它跟我们的CUDA没有一一对应的关系，即每一个版本的CUDA可能有好几个版本的cuDNN与之对应，但一般有一个最新版本的cuDNN版本与CUDA对应更好。

一、NVIDIA430.40显卡驱动安装（首先，关闭secure boot=安全启动）

1. 显示gpu显卡驱动列表

nvidia-smi

或者显示显卡信息

nvidia-settings

2.手动去官网下载.run文件，尽量选择对应显卡所推荐的显卡驱动版本

（显卡RTX2060当时的推荐是430.40）

两种卸载方式对应两种安装方式

#for case1: original driver installed by apt-get:

sudo apt-get remove --purge nvidia*

#for case2: original driver installed by runfile:

sudo chmod +x *.run

sudo ./NVIDIA-Linux-x86_64-384.59.run –uninstall

彻底卸载NVIDIA+CUDA+CUDNN所有？？

Sudo pat-get autoremove –purge nvidia*

3.禁用nouveau

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

文件的最后一行添加blacklist nouveau

执行sudo update-initramfs -u

重启后验证lsmod | grep nouveau无输出

（4）Ubuntu 16.04 Nvidia驱动安装_Stories_Untold的博客-CSDN博客

获取Kernel source（非常重要）：

apt-get install linux-source

apt-get install linux-headers-x.x.x-x-generic

不太理解到底重不重要

4.关闭/开启图形界面

sudo service lightdm stop/restart

5.进入命令行界面（4和5看电脑的具体情况，可以反顺序，有些电脑执行完4之后就进不去5了）

Ctrl-Alt+F1

6.下载的.run文件可以放在/home/dzy/download目录下，设置放权

cd download

sudo chmod a+x NVIDIA-Linux-x86_64-430.40.run

7.安装

sudo ./NVIDIA-Linux-x86_64-430.40.run –no-opengl-files

8.涉及到的一些选项（看情况选吧）

9.回到第一步查看gpu信息

二、CUDA10.0安装

首先查看显卡驱动、CUDA、tensorflow三者之间的版本对应关系

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

我的NVIDIA显卡驱动是430.40按理说应该安装CUDA10.1但是我装的10.0，自我感觉tensorflow与CUDA版本对应的严格性>显卡驱动与CUDA之间的版本对应。

1.下载.run文件（1~3G，千万不要下载deb文件，因为deb默认CUDA对应的显卡驱动版本和你预先安装好的不一致的话，会导致前面安装的显卡驱动被卸载）

CUDA Toolkit 10.0 Archive | NVIDIA Developer

sudo chmod +x cuda_10.0.130_410.48_linux.run

sudo sh cuda_10.0.130_410.48_linux.run

安装过程中：不要安装自带的图形加速器（gpu）

2.配置环境

sudo gedit ~/.bashrc

添加安装路径

export PATH=/usr/local/cuda-10.0/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH}}

注意：CUDA的配置环境不太清楚是什么意思，后面的tensorflowgpu-1.13.1我安装在了/home/venu的虚拟环境中，不清楚将此虚拟环境作为pycharm的解释器的时候能不能调用CUDA。

source ~/.bashrc

3.验证

nvcc -V

或者cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

显示CUDA驱动版本10.1，runtime版本10.0（安装版本）

可能驱动版本需要>运行版本

CUDA的卸载

三、安装CUDNN7.6.4

ubuntu18.04+rtx2060安装cuda10.0+cudnn7+tensorflow-gpu_Draw_1999的博客-CSDN博客

1.去官网下载CUDNN，选择一个支持CUDA10.0的最新版本即可（下载cudnn需要注册NVIDIA账户）

2. 将文件复制到相关路径下

sudo cp cudnn.h /usr/local/cuda/include/ 

sudo cp lib* /usr/local/cuda/lib64/ 

3. 动态文件进行链接

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.7  #删除原有动态文件

sudo ln -s libcudnn.so.7.6.4 libcudnn.so.7  #生成软衔接

sudo ln -s libcudnn.so.7 libcudnn.so     #生成软链接

四、安装tensorflow-gpu1.13.1

  virtualenv --system-site-packages -p python3 ./venv

  pip install --upgrade pip

  pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade tensorflow-gpu==1.13.1

或者迟老师https://blog.csdn.net/gloria_littlechi/article/details/85232781