-
显卡驱动
添加驱动源
sudo apt-get purge nvidia*
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
然后在软件和更新的附加驱动里面就可以找到自己显卡的驱动了！一定要等到显示 重新启动 再重启。
也可以直接命令：sudo apt-get install nvidia-384 nvidia-settings（nvidia-384为驱动版本 不同显卡不同） -
cuda
cuda 版本下载：https://developer.nvidia.com/cuda-toolkit-archive
tensorflow 对应的cuda版本 ： https://www.tensorflow.org/install/source
deb 方式安装
sudo dpkg -i cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
安装方式也可以不用命令行，使用别的安装方式
卸载
sudo apt-get --purge remove cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48
sudo apt-get --purge remove cuda-*-10-0
下载 cuda * .run 文件
(1) sudo sh cuda_…_linux.run 按照相应的版本号，之后阅读相关信息，直接ctrl+c跳过，然后 accept 接受协议
(2) 第二个选项 Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26? 须选择否，因为在之 前已经安装好了显卡驱动，无需重新安装。
一路进行…
(3) 添加环境变量：
在终端中输入：
gedit ~/.bashrc
然后打开的文件最后面写入：
export PATH="$PATH:/usr/local/cuda-10.0/bin"
export LD_LIBRARY_PATH="/usr/local/cuda-10.0/lib64"
保存并关闭文件， 在终端中输入：
source ~/.bashrc
（4）cuda 测试：
打开终端，切换到位置：~/ NVIDIA_CUDA-10.0_Samples
输入：make
打开终端，切换到位置：~/NVIDIA_CUDA-10.0_Samples/bin/x86_64/linux/release
终端输入：./deviceQuery
cuda 版本切换：(也即是可以安装多个 cuda 版本)
（1）删除原来的软连接：sudo rm -rf /usr/local/cuda
（2）建立新的cuda 版本的软连接：sudo ln -s /usr/local/cuda-9.0 /usr/local/cuda
- cudnn
cudnn 版本下载：https://developer.nvidia.com/rdp/cudnn-archive
下载对应版本，解压文件包，然后复制文件到相应位置
tar xvzf cudnn-9.0-…tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64
sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*
cuda 版本查看
cat /usr/local/cuda/version.txt
nvcc -V
当出现cuda版本时说明已经成功
cudnn 版本查看
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
- anaconda
anaconda 版本下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
安装：bash Anaconda…Linux-x86_64.sh
#一路回车，都选 no
激活：conda：
gedit ~/.bashrc
export PATH="$PATH:~/anaconda3/bin"
source ~/.bashrc
创建虚拟环境：
conda create -n tf python=3.6
conda info --env
删除虚拟环境：
conda remove -n tf –-all
创建新的虚拟环境：
conda create --name env_name python3 其中env_name是新环境名字
卸载：
（1）删除整个anaconda目录： rm -rf anaconda文件夹名
（2）清理下.bashrc中的Anaconda路径：
1.到根目录下，打开终端并输入：sudo gedit ~/.bashrc
2.在.bashrc文件末尾用#号注释掉之前添加的路径(或直接删除)：
#export PATH=/home/lq/anaconda3/bin:$PATH
保存并关闭文件
3.使其立即生效，在终端执行：source ~/.bashrc
4.关闭终端，然后再重启一个新的终端
每个人的cuda和显卡驱动版本对应都不同，笔者自己最后使用的是cuda9.0，tensorflow-gpu1.12，显卡驱动为nvidia-384，显卡为华硕猛禽1070。
在配置ubuntu16.04的时候会出现的问题：
显卡的驱动版本过高会出现问题，如nvidia显卡驱动更新为430的时候，会出现黑屏
显卡驱动和cuda，cudnn，包括tensorflow-gpu版本必须匹配。
目前可行的是显卡驱动384，cuda9.0，cudnn7.4.1.5，tensorflow-gpu1.12
注意安装的时候tensorflow-gpu的安装直接使用过pip时会出现问题，可能找不到源，可以使用conda pip
anaconda也不要用太新版本，安装的是3-5.2.0版本 conda在安装的时候不要使用默认为终端环境，即不要进去终端就为base环境
可以自创一个tensorflow3.6的环境，然后在该环境下进行操作，目前cuda9.0只支持python3.6，使用时只需要运行命令 source activate tf激活自创环境即可
安装conda和cuda，cudnn时 别忘了设置环境变量
然后执行source ~/.bashrc 来完成修改
