ubuntu18 N卡驱动安装+cuda10.0+cudnn7.5+anaconda+tensorflow-gpu

1.驱动安装

打开软件更新，点击附加驱动，选择N卡的驱动

首先添加源
$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt update

查看系统gpu设备
$ ubuntu-drivers devices

在此安装nvidia-driver-410，执行
$sudo apt-get install nvidia-driver-410

更改后重启电脑，查看GPU信息

至此驱动安装好了

2.cuda10.0安装

首先安装环境依赖

$sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

下载cuda10.0及其相关https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal

下载完之后进入到下载的文件夹中，安装

 $ sudo sh cuda_10.0.130_410.48_linux.run
第一个提示选择no，其余的yes或者default

然后编辑环境变量，添加以下内容，并启用: source ~/.bashrc

export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

之后，输入 

$nvcc -V 

显示如下内容表明安装成功

$cd /usr/local/cuda-9.0/samples
$sudo make
$./bin/x86_64/linux/release/deviceQuery
显示如下内容


3.cudnn7.5的安装
下载：https://developer.nvidia.com/rdp/cudnn-download
得到文件：cudnn-10.0-linux-x64-v7.5.0.56.tgz
进入到文件目录，执行
$ tar zxvf cudnn-10.0-linux-x64-v7.5.0.56.tgz
解压后得到 名为 cuda 的文件夹，需要将里面的几个文件拷贝到已安装的cuda文件夹下面,并赋予相应的权限
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
之后执行 
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
若显示以下内容表明安装成功


4.anaconda 安装
下载得到文件 Anaconda3-2018.12-Linux-x86_64.sh
在文件目录中,执行+
sudo sh Anaconda3-2018.12-Linux-x86_64.sh 
出现如下选择yes

最后选择不安装vs code
安装完后需要执行
source ~/.bashrc

anaconda换源：

制定清华的源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

有资源显示源地址：

conda config --set show_channel_urls yes

5.tensorflow-gpu安装

安装前先安装bazel, 参见官方安装手册

安装完bazel后执行

conda install tensorflow-gpu

之后进入python 环境 导入一下tensorflow,

import tensorflow as tf

tf.__version__

hello = tf.constant('hello tensorflow')

sess = tf.Session()

sess.run(hello)