ubuntu18.04+cuda10.2+cudnn7.6.5，并使用CUDA自动安装NVIDIA驱动而非手动。

一、CUDA和NVIDIA显卡驱动安装

cuda的安装选项中其实包含了nvidia驱动的安装选项，不过网上好多资料都说不要再cuda中勾选nvidia驱动，而要自己去nvidia官网自己查好型号下载安装文件，手动安装nvidia驱动。
其实主要都是担心不同版本兼容性问题，我这里忍不住还是想尝试一下用cuda中的nvidia驱动会出现什么问题。

检查是否已经安装的nvidia驱动：

nvidia-smi

执行这条命令，如果有以下信息说明已经有nvidia驱动了，结束。
如果没有以下信息，说明还没有nvidia驱动，需要安装。

禁用nouveau

安装Nvidia显卡驱动和系统自带的nouveau驱动会有冲突，所以要禁用nouveau。

lsmod | grep nouveau

执行这条命令，如果有信息，说明nouveau还在运行着，要禁用。
禁用方法：

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

在文本最后添加如下内容：

blacklist nouveau
options nouveau modeset=0

更新一下：

sudo update-initramfs -u

重启：

reboot

再次查看是否已经禁用：

lsmod | grep nouveau

执行这条命令，发现没有任何信息输出了，说明已经禁用了。

安装gcc

sudo apt install build-essential

删除旧的nvidia驱动

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

或者：

sudo apt-get --purge remove nvidia-*
sudo ./NVIDIA-Linux-x86_64-410.57.run -uninstall
sudo update-initramfs -u
sudo reboot now

更新仓库

sudo apt-get update

查看系统推荐的nvidia驱动版本

ubuntu-drivers devices

可以看到recommended的是nvidia-driver-450-server
这里可以我没有直接用命令（sudo apt-get install nvidia-settings nvidia-driver-430 nvidia-prime 或者 sudo ubuntu-drivers autoinstall）安装该驱动，因为看别人才那么多坑，总觉得事情没这么简单，哈哈，而且我也想试试用cuda中的nvidia驱动安装选项来安装驱动，所以这条命令我就看看而已。

参考这篇博客：Ubuntu18.04安装nvidia显卡驱动

cuda版本选择、下载及安装

cuda官网

如果是想搭环境跑深度学习的，尤其是pytorch，目前支持到cuda10.2，高于cuda10.2版本的话，使用pytorch时就不能用cuda了，所以这种情况下建议先查查pytorch的匹配cuda版本，比如下图所示pytorch和cuda适配版本：

不然像我刚开始都捡最新的cuda11.1安装，装好之后才发现pytorch这个坑，然后又一阵折腾卸载cuda11.1、卸载nvidia驱动、卸载cudnn8.0(卸载参考了这篇文章ubuntu18.04卸载cuda10.1，安装cuda10.0又双踩坑)。

cuda10.2下载：

cuda10.2安装：
执行xxxxxxx.run的过程中，会有选项提示，第一次选择“accept”，然后会提示nvidia driver、cuda toolkit相关的信息，就直接选"Install"继续安装，就是这里将进行nvidia驱动的自动匹配版本和安装。

安装失败，报错log里显示驱动440安装失败：

解决方法：关闭x服务Ubuntu18.04 关闭和开启图形用户界面。

如下所示，这样就表示cuda安装完成了：

根据上述提示信息，需要配置环境变量：
sudo vi ~/.bashrc
打开文本后，在最后添加如下信息，具体因人而异，要和上图红框中提示信息一致：

export PATH="/usr/local/cuda-11.1/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH"

使其生效：

source ~/.bashrc

验证cuda是否成功安装：

cd /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

结果如下说明成功。

查看cuda版本信息

cat /proc/driver/nvidia/version

或者

nvcc --version

nvidia驱动安装成功

按照商住步骤完成后，再次查看nvidia-smi信息，可以看到已经安装成功。

二、cuDNN安装

cuDNN下载与安装：

cuDNN下载

cuDNN安装官方帮助文档

cudnn的版本也是参考了pytorch的常用配置，选用cudnn7.6.5。

方法1：使用tar文件安装

推荐这种方式吧，用Deb文件安装的话，在编译caffe时，我不太确定cuda的路径，资料也比较少。
下载上图中的tar文件，下载后发现是.solitairetheme8后缀名的文件，将其重命名为.tgz, 然后使用tar -zxvf file.tgz命令解压即可。（
https://blog.csdn.net/littlehaes/article/details/103202156）

参考cuDNN安装官方帮助文档的描述：

方法2：使用Deb文件安装

Deb安装的优点时，不用手动拷贝cudnn相关的头文件到/usr/local/目录，但也导致我在编caffe时不知道怎么配cuda的路径，所以我建议用方法1安装吧。
下载上图中的Deb文件，3个都下载。
参考cuDNN安装官方帮助文档的描述：

依次安装：

sudo dpkg -i libcudnn7_xxx +cuda10.2_amd64.deb
sudo dpkg -i libcudnn7-xxx +cuda10.2_amd64.deb
sudo dpkg -i libcudnn7-samples_xxx +cuda10.2_amd64.deb

验证cudnn安装成功

参考cuDNN安装官方帮助文档的描述：

按照上图命令，跑了一个测试demo是minist手写体识别的例子，结果显示test pass，成功。

注意：建议要耐心看看cuDNN安装官方帮助文档，网上的资料可能版本不同，安装、验证方式也会有差异，官方文档的更新和cuDNN版本是同步的，是最可靠的，而且还有关于升级cuDNN版本的方法等。

查看cudnn版本

如果是方法1 tar文件安装的那么用这条命令可以查看：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

如果是cudnn8.0及以上，版本信息在cudnn_version.h中，可以用下面的命令查看：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

如果是方法2 Deb文件安装的，那么用下面的命令查看：
网上说用下面这条查看cudnn版本信息，我试了不行，在/usr/local/cuda/include/目录下找不到这个cudnn.h头文件：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

感觉奇怪上面cudnn的验证都过了说明已经安装成功了，怎么会查不到版本信息呢？找了一下cudnn.h这个头文件确实没有在/usr/local/cuda/include/目录下，而是在/usr/include/目录下。
于是就试了一下这条命令：

cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

结果是没有任何打印。
打开这个cudnn.h看了一下里面确实没有版本的定义，不过它包含了一个定义版本的头文件cudnn_version.h，于是又尝试了下面这条命令：

cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

版本信息就出来了，如下图所示：