Ubuntu18.04安装CUDA9.0，cudnn7.1.3，opencv3.4 tensorflow GPU 1.10 搭建GTX1070深度学习环境
Ubuntu18.04安装CUDA9.0，cudnn7.1.3，opencv3.4 tensorflow GPU 1.10 搭建GTX1070深度学习环境
测试环境
机器情况: GTX1070 i3CPU DDR3 8G内存
系统情况：ubuntu18.04 64位
此时的心情：非常激动！（踩坑太多了,重装系统两次，系统引导坏一次）
经验分享
1.cuda，cudnn，tensorflow版本是有关联的，最要不要不遵循版本兼容
2.配置好的系统环境的硬盘不要做移动更换的操作，本人将安装好环境的这个硬盘移到另外一个机器上，再移动回来后发现引导坏了。
3.opencv尽量不要用源码安装。。满满都是坑。
4.全程sudo ，不要直接切#。
5.显卡驱动安装完成后要重启。
具体过程
最好是刚装上的系统，什么都没操作。然后立马换源，update ,upgrade，一系列操作后开始搭建环境。
1.安装gcc4.8
ubuntu18.04默认是不安装gcc和g++的，安装前gcc -v查一下有没有装gcc。有如下两种情况
（1）如果系统没有安装gcc
$sudo apt-get install gcc-4.8
$sudo apt-get install g++-4.8
装完后进入到/usr/bin目录下$sudo ln -s gcc-4.8 gcc
$sudo ln -s g++-4.8 g++
再查看gcc和g++版本号：
gcc -v g++ -v
（2）如果系统安装了gcc，并且版本是7，做降级操作
sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8
装完后进入到/usr/bin目录下
$ls -l gcc*
会显示以下结果
lrwxrwxrwx 1 root root 7th May 16 18:16 /usr/bin/gcc -> gcc-7.0
发现gcc链接到gcc-7.0, 需要将它改为链接到gcc-4.8，方法如下:
sudo mv gcc gcc.bak #备份
sudo ln -s gcc-4.8 gcc #重新链接
同理，对g++也做同样的修改：
ls -l g++*
lrwxrwxrwx 1 root root 7th May 15:17 g++ -> g++-7.0
需要将g++链接改为g++-4.8:
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++
再查看gcc和g++版本号：
gcc -v g++ -v
均显示gcc version 4.8 ，说明gcc 4.8安装成功。
2.安装显卡驱动
先删掉之前的驱动
sudo apt-get purge nvidia*然后添加显卡驱动PPA，安装驱动
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo apt install nvidia-390
重启电脑！！
开机后nvidia-smi命令查看显卡驱动是否启用。
3.安装python(2.7)
$sudo apt-get install python python-pip
4.安装cuda9.0
下载连接cuda9.0 ，linux->x86_64->ubuntu->17.04->deb(local) ，base installer（1.2G）
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=deblocal
安装方法如下
- `sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb`
- `sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub`
- `sudo apt-get update`
- `sudo apt-get install cuda`
5.安装cudnn7.1.3 for cuda9.0
下载连接如下，选择Download cuDNN v7.1.3 (April 17, 2018), for CUDA 9.0 下面的->cuDNN v7.1.3 Library for Linux！！！
https://developer.nvidia.com/rdp/cudnn-archive
下载可能需要你登陆nvidia账号，没有就注册一个。
下载对应到版本，然后
如果通过tar文件安装，则解压再拷贝目录
$ tar -xzvf cudnn-9.0-linux-x64-v7.1.tgz
$ 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
$ sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
6.安装tensorflow1.10
$sudo pip install tensorflow-gpu==1.10
7.添加cuda的环境变量，更新cudnn的阮链接
1.环境变量
$ cd
$ sudo gedit ~/.bashrc
将以下添加到文件末尾
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda
保存退出！
2.CUDNN连接建立
cd /usr/local/cuda/lib64
sudo rm -rf libcudnn.so libcudnn.so.7 #删除原有版本号，版本号在cudnn/lib64中查询
sudo ln -s libcudnn.so.7.1.3 libcudnn.so.7 #生成软连接，注意自己下载的版本号
sudo ln -s libcudnn.so.7 libcudnn.so
sudo ldconfig #立即生效
8.安装opencv
$sudo pip install opencv-python
9.测试
wld@wld-GREATWALL-PC:~$ python
Python 2.7.15rc1 (default, Apr 15 2018, 21:51:34)
[GCC 7.3.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow
>>> import cv2
没有报错，安装完毕！