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

 

软硬件环境

ubuntu 16.04 64bit
NVidia GTX 1070
CUDA 9.0

安装驱动
从官网下载RUN文件,首先屏蔽开源nouvear驱动,编辑/etc/modprobe.d/blacklist-nouveau.conf文件,加入内容
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv


如果你原来安装过驱动,最好先删除
sudo apt-get --purge remove nvidia-*
sudo apt-get --purge remove xserver-xorg-video-nouveau

NVIDIA的驱动无法在GUI的环境下安装,所以得切换到命令行,按组合快捷键Ctrl + Alt + F1
sudo /etc/init.d/lightdm stop
sudo ./NVIDIA-Linux-x86_64-390.25.RUN

安装过程基本上就是选中yes or no,装完之后执行
sudo update-initramfs -u

安装CUDA
同样的,我们也进入命令行模式安装cuda
sudo /etc/init.d/lightdm stop
sudo ./cuda_9.0.176_384.81_linux.run
sudo /etc/init.d/lightdm start

然后配置下,编辑~/.bashrc

最后
source ~/.bashrc

安装cudnn
到官网https://developer.nvidia.com/cudnn去下载,这里需要注册,有点麻烦
tar xvf cudnn-9.1-linux-x64-v7.1.tgz
cd cuda
sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include
sudo cp -a cuda/lib64/libcudnn*  /usr/local/cuda-9.0/lib64
sudo chmod a+r /usr/local/cuda-9.0/lib64/libcudnn*

测试
安装完毕,我们来测试下环境是否都ok


刚好我这里跑了示例,所以你能看到gpu基本上是满负荷工作
参考资料

http://www.nvidia.com/Download/index.aspx?lang=en-us
https://developer.nvidia.com/cuda-toolkit
https://blog.csdn.net/hanging_gardens/article/details/64439344

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。