1、首先检查NVIDIA显卡，查看显卡能装的最新NVIDIA驱动的版本号，据此选择需要安装的cuda版本。
 
 
由上表就可知你需要安装的cuda版本。最新的链接
 
注：要用命令：ubuntu-drivers devices测得的为准，这里可用最新的驱动为nvidia-384。
 
xiaoliang@xiaoliang-K45VD:~$ ubuntu-drivers devices
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001058sv00001043sd000010ACbc03sc00i00
model    : GF119M [GeForce 610M] (GeForce GT 610M)
vendor   : NVIDIA Corporation
driver   : xserver-xorg-video-nouveau - distro free builtin
driver   : nvidia-304 - distro non-free
driver   : nvidia-340 - distro non-free
driver   : nvidia-384 - distro non-free recommended
 
2、比较重要的是一定要下载对应版本的系统，这个很严格。
 
 
如上表中，选择ubuntu 17.04，安装系统时要检查内核版本，一定要保证内核版本相同。后面的gcc、glibc等版本，可以不同，最好要相同。不同的时候，比如用runfile安装，可以在后面加--override，忽略这些库的不同。其他选项可用--help查看。所以说，系统安装后不要轻易地进行更新，可能会出错。
 
3、其他纪录
 
1、内核版本回退操作
 
sudo apt-get purge linux-image-$(uname -r)
sudo apt-get purge linux-headers-$(uname -r)
sudo update-initramfs -u
 
注意，不要回退多了，一般/boot中就保留几个image，回退了就少一个，全部回退就没了。所以一开始就安装正确的ubuntu版本，这很重要。
 
2、 ubuntu14.04关闭nouveau驱动，安装NVIDIA驱动会出现无法进入桌面的情况。这可能是我碰到的情况，但还是纪录在这里。
 
3、其他的就按照NVIDIA cuda installation guide for Linux安装就可
 
 

Ubuntu安装cuda10+cudnn7.5+Tensorflow2.0
 
本文地址：https://blog.csdn.net/qq_31456593/article/details/90170708
 
完整tensorflow2.0教程代码请看tensorflow2.0：中文教程tensorflow2_tutorials_chinese(欢迎star)
 
更多TensorFlow2.0 入门教程请持续关注本博客：https://blog.csdn.net/qq_31456593/article/details/88606284
 
安装NVIDIA驱动
 
下载NVIDIA驱动
 
TensorFlow2.0需要cuda10，所以应该装410.48以上版本驱动
 
CUDA Toolkit
Linux x86_64 Driver Version
Windows x86_64 Driver Version
CUDA 10.1.105
>= 418.39
>= 418.96
CUDA 10.0.130
>= 410.48
>= 411.31
CUDA 9.2 (9.2.148 Update 1)
>= 396.37
>= 398.26
CUDA 9.2 (9.2.88)
>= 396.26
>= 397.44
CUDA 9.1 (9.1.85)
>= 390.46
>= 391.29
CUDA 9.0 (9.0.76)
>= 384.81
>= 385.54
CUDA 8.0 (8.0.61 GA2)
>= 375.26
>= 376.51
CUDA 8.0 (8.0.44)
>= 367.48
>= 369.30
CUDA 7.5 (7.5.16)
>= 352.31
>= 353.66
CUDA 7.0 (7.0.28)
>= 346.46
>= 347.62
可访问英伟达官网获得: https://www.geforce.cn/drivers
 
 
我这边下载的410.78
 
 
禁止ubuntu自带驱动
 
sudo vim /etc/modprobe.d/blacklist.conf
 
在文件中加入下面2行
 
 
 
blacklist nouveau
 options nouveau modeset=0
 
 
# 更新配置
sudo update-initramfs -u
# 重启
reboot
# 检测驱动是否禁止，无输出，则禁止成功
lsmod | grep nouveau
 
安装NVIDIA驱动
 
进入命令行界面 ctrl+alt+f1
 
sudo service lightdm stop
cd install_package
sudo chmod 777 NVIDIA-Linux-x86_64-410.78.run
sudo ./NVIDIA-Linux-x86_64-410.78.run
 
检查gpu安装情况
 
# 重启图形界面
sudo service lightdm start
# 查看显卡驱动
nvidia-smi
 
 
如果上面的方法无法安装，请使用下面的方法安装
 
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
 
查看当前支持的驱动
 
ubuntu-drivers devices
 
安装相应驱动
 
sudo apt install nvidia-driver-410
 
安装cuda10
 
下载cuda10
 
cuda10.0地址：https://developer.nvidia.com/cuda-10.0-download-archive
 
 
安装cuda
 
sudo chmod 777 cuda_9.0.176_384.81_linux.run
sudo ./cuda_9.0.176_384.81_linux.run
 
 
ps：在选择是否创建/usr/local/cuda 的软连接时选no(n)，后面环境变量直接写具体的版本，可以避免多版本cuda混淆。
 
 
配置Cuda环境
 
如果不存在使用多个cuda版本请直接按第一个方法配置即可，需要多个cuda的使用第二个配置
 
1、配置到动态链接库（加载快，一个机子只能配置一个cuda版本）
 
sudo gedit /etc/ld.so.conf.d/cuda.conf
 
在打开的文件中添加如下语句：
 
 
 
/usr/local/cuda-10.0/lib64
 
 
执行
 
sudo ldconfig
 
2、配置到环境变量（不同环境下，配置不同环境变量，可以使用多个cuda版本）
 
sudo gedit ~/.bashrc
 
打开文件后在文件末尾添加路径，也就是安装目录，命令如下：
 
 
 
export PATH=/usr/local/cuda-10.0/bin:$PATH
 
 
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH
 
 
运行
 
source ~/.bashrc
 
ps：
 
想配置为全局系统变量，请在/etc/profile中配置
如果使用pycharm远程调用，程序不会导入.bashrc里面的环境变量，请在相应的运行python中配置如上的环境变量。（不使用pycharm远程调用的忽略此条）
 
原文地址：https://blog.csdn.net/qq_31456593/article/details/90170708
 
安装cuDNN7.5.1
 
下载
 
cudnn7.5.1（cuda10.0版）https://developer.nvidia.com/rdp/cudnn-download
 
[外链图片转存失败(img-hXBmWHCL-1563497799736)(/home/czy/coding_pubic/博客/assets/tensorflow_api/Screenshot from 2019-05-07 22-23-12.png)]
 
安装 cudnn：
 
tar -zxvf cudnn-10.0-linux-x64-v7.5.1.10.tgz
cd cuda
sudo cp lib64/lib* /usr/local/cuda-10.0/lib64/
sudo cp include/cudnn.h /usr/local/cuda-10.0/include/
cd /usr/local/cuda-10.0/lib64/
sudo chmod +r libcudnn.so.7.5.1 # 自己查看.so的版本
sudo ln -sf libcudnn.so.7.5.1 libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so
 
 
安装TensorFlow2.0
 
pip install tensorflow-gpu==2.0.0-alpha0
 
import tensorflow，输出tf._version_ ，安装正常。
 

 
本文目录
 
1 下载并安装CUDA
2 下载并安装cuDNN
3 安装多版本CUDA
4 使用中可能会遇到的问题

 
 
软硬件环境
 
系统版本：Ubuntu Desktop 18.04 LST
显卡型号：NVIDIA TITAN RTX
CUDA版本：10.0.130_410.48
cuDNN版本：7.6.5.32
 
 
 
CUDA官方下载地址
 cuDNN官方下载地址 下载cuDNN需要有NVIDIA 开发者账号
 Ubuntu安装NVIDIA驱动
 
 
 
1 下载并安装CUDA
 
进入官网，选择自己需要的 CUDA版本，Ubuntu建议也使用runfile格式
 
 下载好后进行安装，出现非常长的用户协议，别按回车一页一页的跳，除非你想把这个协议看完，不然按到手指疼。直接按q退出
 
sudo sh cuda_10.0.130_410.48_linux.run
 
 
 
问你是否同意刚刚那非常长的的用户协议，肯定得同意，除非你不想安装了
 
Do you accept the previously read EULA?
accept/decline/quit: accept
 
 
 
问你要不要安装显卡驱动，建议使用独立下载的相应的显卡驱动安装，这个驱动是公用版的，而且不是最新的，可能有问题。
 
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
(y)es/(n)o/(q)uit: n
 
问你要不要安装CUDA，这不废话吗？给你一个反悔的机会？
 
Install the CUDA 10.0 Toolkit?
(y)es/(n)o/(q)uit: y
 
CUDA的安装路径，回车即代表使用默认地址，你也可以输入你想指定的路径。
 
Enter Toolkit Location
[ default is /usr/local/cuda-10.0 ]: 
 
是否建立软链接，一般选y。但如果你是安装多版本CUDA，而这是第二个，就可以自己决定要不要建立了。
 
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
 
要不要安装CUDA项目实例，一般选n，没啥用还占地方。
 
Install the CUDA 10.0 Samples?
(y)es/(n)o/(q)uit: n
 
安装完成
 
 
 
配置环境变量
 
# 执行命令
sudo vim ~/.bashrc

# 增加环境变量
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin

# 使环境变量生效
source ~/.bashrc
 
验证安装是否成功、环境变量是否配置成功
 
# 执行命令
nvcc -V

# 出现以下内容即代表成功
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130
 
 
2 下载并安装cuDNN
 
进入官网，选择CUDA对应的cuDNN版本，建议下载压缩包格式的。
 
 
下载好后，解压
 
tar -zxvf cudnn-10.0-linux-x64-v7.6.5.32.tgz
 
复制解压好的文件到对应的目录
 
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 /usr/local/cuda/lib64/libcudnn*
 
3 安装多版本CUDA
 
按照上面两节安装另外版本的CUDA。假设都是默认的安装路径/usr/local/，现在安装了两个版本的CUDA
 
/usr/local/cuda-10.0
/usr/local/cuda-10.1
 
查看当前cuda软链接指向的是哪个版本
 
stat /usr/local/cuda
 
切换版本
 
# 建立需要切换版本的软链接,替换现有的软链接
sudo ln -sf /usr/local/cuda-10.1 /usr/local/cuda
 
 
4 使用中可能会遇到的问题
 
1、libcudnn.so.7 is not a symbolic link
 
找不到软链接，到cuda的lib64目录，默认的是/usr/local/cuda/lib64，建立软链接
 
cd /usr/local/cuda/lib64
sudo ln -sf libcudnn.so.7 libcudnn.so
 
2、Could not dlopen library 'libcudnn.so.7’
 
到cuda的lib64目录，默认的是/usr/local/cuda/lib64，找到自己安装的cudnn的版本对应的ibcudnn.so
 
# 建立软链接
sudo ln -sf libcudnn.so.7.6.5 libcudnn.so.7

# 加载动态库
sudo ldconfig /usr/local/cuda/lib64
 
如果还不行
 
# 编辑配置文件
sudo vim /etc/ld.so.conf.d/cuda.conf

# 添加cuda的lib64路径到文件中
/usr/local/cuda/lib64

# 加载动态库
sudo ldconfig
 
 
 
 
记录，分享，交流。
 

ubuntu 安装cuda pytorch
 
1.安装cuda
 
安装NVIDIA驱动
 
安装之前需要确认你是否支持NVIDIA，并确定型号。
 
lspci | grep NVIDIA
 
这是我的型号。产品系列是GeForce 900M，产品家族是GeForce 940MX
 
 所以在进入下方的下载地址后，我进行相应的搜索并下载。
 
 
 
https://www.nvidia.cn/Download/index.aspx?lang=cn
 
 

 在将程序包下载下来之后，我们先安装一下依赖项并赋予运行脚本执行权限。
 
sudo apt install build-essential 
chmod a+x NVIDIA-Linux-x86_64-435.21.run
 
还有在运行之前还有几点需要注意的是：
 ①需要禁用nouveau
 ②不能在X图形化界面下运行
 具体操作可以参考如下博客：
 
 
 
https://blog.csdn.net/qiancaobaicheng/article/details/95096354
 
 
2.安装cuda
 
在安装cuda之前，并不是越新、版本越高越好，我建议先去看看pytorch所支持的cuda版本。
 进入pytorch官方下载地址：
 
 
 
https://pytorch.org/get-started/locally/
 
 
你会发现当前在pip可下载的只有10.1及以前的版本
 
 所以我们选择下载cuda10.1
 具体步骤可以参考：
 
 
 
https://xugaoxiang.com/2019/12/13/ubuntu-cuda/
 
 
提醒两点：
 ①CUDA版本对显卡驱动的版本有要求，在下载请查询自己的驱动版本，以选择合适的cuda。
 
 
通过语句，你便可以知道相应的版本号。
 
nvidia-smi
 

 否则会出现以下错误：
 
RuntimeError: cuda runtime error (35) : CUDA driver version is insufficient for CUDA runtime version at …
 
②在下载cudnn的时候，注意要选择相应的cuda版本号！否则会出现不兼容的错误。
 
 
3.安装pytorch的GPU版本
 
参考：
 
 
 
https://xugaoxiang.com/2020/06/17/yolov5/
 
 
如果出现以下错误：
 
DEPRECATION: Python 2.7 will reach the end of its life on January 1st, 2020. Please upgrade your Python as Python 2.7 won't be maintained after that date. A future version of pip will drop support for Python 2.7. More details about Python 2 support in pip, can be found at https://pip.pypa.io/en/latest/development/release-process/#python-2-support
Looking in indexes: http://mirrors.aliyun.com/pypi/simple/
 
请参考：
 
 
 
https://www.cnblogs.com/sheng518/p/11818562.html
 
 
如果在使用sudo pip install时，出现以下错误：
 
The directory '/home/stone/.cache/pip/http' or its parent directory is not owned by the current user and the cache has been disabled. Please check the permissions and owner of that directory. If executing pip with sudo, you may want sudo's -H flag. The directory '/home/stone/.cache/pip' or its parent directory is not owned by the current user and caching wheels has been disabled. check the permissions and owner of that directory. If executing pip with sudo, you may want sudo's -H flag.
 
请输入命令：
 
sudo -H pip install ......
 
如果pip命令报如下错：
 
AttributeError: module 'pip.__main__' has no attribute 'main'
 
请输入命令：
 
sudo -H pip3 install ......
 
如果pip3需要更新，请更新.