ubuntu18.04安装cuda9.0+cudnn+tf
1.禁用nouveau
安装完ubuntu18.04后，在“软件和更新“---附加驱动，会有驱动如果没有，那就自己去安装。
首先，需要禁用 nouveau，只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动。
禁用方法就是在 /etc/modprobe.d/blacklist-nouveau.conf 文件中添加一条禁用命令，首先需要打开该文件，通过以下命令打开:
sudo gedit /etc/modprobe.d/blacklist.conf
输入密码后在最后一行加上: blacklist nouveau 是将Ubuntu自带的显卡驱动加入黑名单
Ctrl +C保存后，注意此时还需执行以下命令使禁用 nouveau 真正生效终端输入 ： sudo update-initramfs -u
通过lsmod命令查看，确认nouveau是否已经被屏蔽掉。
lsmod | grep nouveau若执行命令后无任何输出证明nouveau禁用成功，如有输出，则证明nouveau没有被禁用。
可以重启再看一下。
2.安装显卡驱动
请先去NVIDIA官方网站查看自己的显卡驱动型号再来操作安装，请一定注意。
https://www.nvidia.com/Download/index.aspx?lang=en-us
看显卡驱动版本支持的cuda：
https://docs.nvidia.com/deploy/cuda-compatibility/index.html#binary-compatibility__table-toolkit-driver
其中：
gaym ready跟现在一样频繁更新保持对最新游戏的优化
creator ready侧重稳定 更新间隔会比较长
ubuntu16的可以直接设置---软件更新---附加驱动，然后选择相适应的驱动。
我的是ubuntu18，我直接在终端里安装的。
（键盘上按下 ctrl + alt + F1，进入命令行模式。ubuntu有命令行模式和X桌面模式，安装驱动必须在命令行模式进行。
禁用X桌面服务，命令行输入：sudo service lightdm stop，此命令将关闭桌面服务，现在已经不能进入桌面模式（重启电脑会重启桌面服务），重启X桌面服务，命令行输入：sudo service lightdm start）。
添加ppa库，通过ppa安装显卡驱动，注意不要从NVIDIA官网下载显卡驱动，直接通过ppa安装即可：
-
sudo add-apt-repository ppa:graphics-drivers/ppa
-
sudo apt-get update
-
sudo apt-get install nvidia-384（添加完这句后可以在软件更新--附加驱动，自动搜索相应的显卡的驱动）
-
卸载的话：sudo apt-get --purge remove nvidia-384
-
或者：
sudo apt-get autoremove --purge nvidia-*
在终端中输入nvidia-smi，若有输出则证明驱动安装成功，若无输出则证明安装失败。
3.安装cuda9.0
降级GCC
重启之后了，接下来的工作也都能够在图形界面下面完成。驱动安装好之后，就应该安装CUDA了，但是安装CUDA9.0最高支持的版本只到GCC6.0，那么接下来的工作是给GCC降级，我们这里推荐降级到GCC5.5. 很简单，依次输入两行命令就行了。(这两个命令就是分别来安装gcc和g++就不用我啰嗦了)
sudo apt install gcc-5
sudo apt install g++-5
设置gcc的默认版本
设置之前可以先输入命令ls /usr/bin/gcc* 查看gcc5版本是否安装成功.
然后输入下面的命令设置默认版本:
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 100
最后的数字为优先级(越大越高),因为只有一个4.8版本作为alternatives,可以不要纠结数字,这样设就行了
然后可以输入以下命令查看设置结果(非必须)
sudo update-alternatives --config gcc
最后再次输入命令gcc -version查看gcc的版本已经变成5啦...就成功啦.
g++ 等其他软件也是这样设置进行版本升级/降级.
安装cuda
到这里，你已经安装成功CUDA了，最后，还要多配置一下环境变量：
sudo vim ~/.bashrc 来编辑.bashrc配置文件，到文件最后，写入下面几句话（直接复制就行）
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH
好了，重启一下。
现在你已经重启了机子了，要是没有出现很多人遇到的在登录界面进不去的情况的话，就恭喜你了。来个自带的例子测一下。
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
出现了下面的你的GPU的一些信息的话，就是真的安装成功了。
卸载cuda：
sudo /usr/local/cuda-10.0/bin/uninstall*****pl（一个文件）
4.安装cudnn
https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#install-linux
下载相应的cudnn
https://developer.nvidia.com/rdp/cudnn-download
2.3.1. Installing from a Tar File
- Navigate to your
directory containing the cuDNN Tar file. - Unzip the cuDNN package.
$ tar -xzvf cudnn-9.0-linux-x64-v7.tgz - Copy the following files into the CUDA Toolkit directory, and change the file permissions.
$ 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*
2.3.2. Installing from a Debian File
- Navigate to your
directory containing cuDNN Debian file. - Install the runtime library, for example:
sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb - Install the developer library, for example:
sudo dpkg -i libcudnn7-devel_7.0.3.11-1+cuda9.0_amd64.deb - Install the code samples and the cuDNN Library User Guide, for example:
sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb
2.4. Verifying
To verify that cuDNN is installed and is running properly, compile the mnistCUDNN sample located in the /usr/src/cudnn_samples_v7 directory in the debian file.
- Copy the cuDNN sample to a writable path.
$cp -r /usr/src/cudnn_samples_v7/ $HOME - Go to the writable path.
$ cd $HOME/cudnn_samples_v7/mnistCUDNN - Compile the mnistCUDNN sample.
$make clean && make - Run the mnistCUDNN sample.
If cuDNN is properly installed and running on your Linux system, you will see a message similar to the following:$ ./mnistCUDNNTest passed!
查看cudnn的版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
5.安装tf
sudo apt install python3-pip
pip3 install tensorflow-gpu
报错：
import tensorflow 出现 python3: Relink ‘/lib/x86_64-linux-gnu/libudev.so.1’ with '/lib/x86_64-linux-gnu/librt.so.1' for IFUNC symbol 'clock_gettime'
直接显示 Segmentation fault (core dumped) 退出python3
解决方法是：
sudo ln -sf /lib/x86_64-linux-gnu/libudev.so.0 /lib/x86_64-linux-gnu/libudev.so.1