Ubuntu16.04+cuda9.0+cudnn7.3+tensorflow
Ubuntu16.04+cuda9.0+cudnn7.3+tensorflow1.12
实验室服务器出问题了。。重新配置环境记录
1 安装 Ubuntu16.04
直接在ubuntu官网上下载（之前一直都用的16.04也就一直用了），通过rufus（无比简单好用）制作启动盘，分区类型选择了GPT。用了下rufus官网（https://rufus.ie/） 上的图：
制作好启动盘之后，直接安装系统，由于只需要安装ubuntu一个系统，安装类型里选择清除整个磁盘安装ubuntu。等待一会就直接安装好了。
2 安装Nvidia驱动
2.1 先查看推荐的显卡驱动
ubuntu-drivers devices
推荐的是NVIDIA 384，所以服务器选择此版本。
2.2 禁用nouveau驱动
先在终端运行
$ lsmod | grep nouveau
如果有输出，代表nouveau驱动正在运行需要我们禁用。
先在终端中输入：
sudo vim /etc/modprobe.d/blacklist.conf
然后在文件最后输入（如果出现not commend，先安装vim；如果不知道怎么输入，百度如何在vim下操作）：
blacklist nouveau
options nouveau modeset=0
接着执行：
$ sudo update-initramfs -u
最后重启，此时服务器已经无法进入图形化界面（显示一个字体很大的界面）然后按住[CTRL + ALT + F1]三个键进入命令行模式），输入账户名以及账户密码就可以进入命令行了。此时可以再次输入：
$ lsmod | grep nouveau
如果没有输出了，则已经禁用了nouveau驱动。
ps：看到有些教程重启之后好像还可以进入图形化界面，然后需要$ sudo service lightdm stop关闭图形化界面再进入命令行模式，可能是电脑不同吧。
2.3 安装NVIDIA驱动
在命令行模式下输入：
# 将系统中存在的nvidia驱动全部卸载掉（如果有的话）
sudo apt-get purge nvidia*
# 添加ppa源并更新（看到有的教程有，但我当时没有输入）
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
# 安装nvidia-384版本
sudo apt-get install nvidia-384
然后重启：
$ sudo reboot
此时已经能进入图形化界面了，然后查看驱动状态：
$ sudo nvidia-smi
$ sudo nvidia-settings
3 安装cuda9.0
3.1 下载cuda
从NVIDIA官网上下载对应版本的cuda的runfile文件
3.2 安装cuda
关闭图形化界面：
$ sudo service lightdm stop
然后按Ctrl+Alt+F1进入命令行界面，然后cd到cuda的目录下：
sudo sh cuda_9.0.176_384.81_linux.run
借用下别人的图（后面给参考的CSDN链接）
然后一直回车或者空格刷到底部：
然后出现各种是否同意的选项：
第一个accept，然后询问是否安装NVIDIA驱动，由于之前安装过所以填no，其他的都填yes就可以，并且安装到默认路径就可以。
恢复到图形化界面：
$ sudo service lightdm start
3.3 设置环境变量
sudo gedit ~/.bashrc
然后在打开的profile末尾加上：
export PATH="$PATH:/usr/local/cuda-9.0/bin"
export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64"
关闭profile，然后输入：
source ~/.bashrc
3.4 验证cuda是否安装成功
$ cd /home/user_name/NVIDIA_CUDA-9.1_Samples
$ make
然后系统自动编译，大概需要十几到二十几分钟，如果编译成功会提示：Finished building CUDA samples
接着输入：
$ cd bin/x86_64/linux/release
$ ./deviceQuery
Result = PASS代表成功,若失败 Result = FAIL
最后检查下系统和CUDA-Capable device的连接情况：
$ ./bandwidthTest
Reslut=PASS则表示成功
4 安装cudnn
注册NVIDIA的账号，然后从NVIDIA官网上下载cudnn7.3 for cuda9.0，我下载的是：
然后cd进入cudnn文件下：
$ cd /home/your_name
将三个deb文件依次安装：
$ sudo dpkg -i libcudnn7_7.3.0.29-1+cuda9.0_amd64.deb
$ sudo dpkg -i libcudnn7-dev_7.3.0.29-1+cuda9.0_amd64.deb
$ sudo dpkg -i libcudnn7-doc_7.3.0.29-1+cuda9.0_amd64.deb
然后官方安装方法里有验证教程：
$ cp -r /usr/src/cudnn_samples_v7 $HOME
$ cd $HOME/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN
安装成功会提示：Test passed
如果提示缺少库，可以参考：
$ sudo cp /usr/local/cuda-9.1/lib64/libcudart.so.9.1 /usr/local/lib/libcudart.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcublas.so.9.1 /usr/local/lib/libcublas.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcurand.so.9.1 /usr/local/lib/libcurabd.so.9.1 && sudo ldconfig
$ sudo cp /usr/local/cuda-9.1/lib64/libcudnn.so.7 /usr/local/lib/libcudnn.so.7 && sudo ldconfig
参考：https://blog.csdn.net/youngping/article/details/84207234
参考：https://blog.csdn.net/guicai1647855685/article/details/82561138
参考：https://blog.csdn.net/u012552296/article/details/79831542
5 安装anaconda
5.1 下载anaconda
在官网上下载anaconda：Anaconda3-2019.03-Linux-x86_64.sh，anaconda的安装以及新建环境都很简单。
5.2 安装anaconda
cd进入anaconda所在的文件夹
bash Anaconda3-2019.03-Linux-x86_64.sh
然后一直回车，根据自己的要求输入其安装位置。最后是否添加到用户环境变量中，其实都可以。
5.3 新建环境
新建环境：
conda create -n env_name python=3.x
启动环境：
conda activate env_name
关闭环境：
conda deactivate
5.4 安装模块
查看安装模块：
conda list
等等还有很多conda命令就不介绍了。。
参考：https://blog.csdn.net/xin_101/article/details/88624726
6 安装tensorflow
在anaconda的自己的环境中安装tensorflow1.12
pip install tensorflow-gpu==1.12
看到有的博客中说：原来是tensorflow1.10.0需要更新到1.11.0，此时因tensorflow-gpu版本和cudnn（7.0.5）版本不一样产生冲突，报错。因为tensorflow-gpu1.11.0是基于cudnn7.2的，故需要升级cudnn7.2以上版本。
参考：https://blog.csdn.net/qq_15258623/article/details/84986720