RTX2080Ti-深度学习环境配置
最近新购置了一台服务器，被环境折腾了半天，在这里纪念一下安装的心酸历程。
环境配置：ubuntu18.04，cuda10.0，cudnn7.3.1，tensorflow-gpu1.12.0
1.下载显卡驱动、cuda、cudnn
cuda10、cudnn、nvidia
2. 安装显卡驱动
2.1禁止系统默认的显卡驱动
打开系统黑名单
sudo gedit /etc/modprobe.d/blacklist.conf
将下列代码填入文件末尾
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb
更新initramfs
sudo update-initramfs -u
重启电脑
sudo reboot
查看是否禁用成功，无输出则禁用成功
lsmod | grep nouveau
2.2 安装显卡驱动
1 cd 到下载目录
2 执行命令
sudo ./NVIDIA-Linux-x86_64-410.78.run
3 验证是否安装成功
nvidia-smi
3. 安装CUDA
3.1安装gcc，g++ 5
ps：这里在安装cuda10之前，准备安装cuda9.0来着，就将gcc版本降为了5.5.0，这里不确定需不需要降版本。
具体操作如下：
sudo apt-get install gcc-5.5 g++-5.5
切换到 /usr/bin 目录，对gcc 进行降级，其实就是重新创建软连接:
ls -l gcc*
sudo mv gcc gcc.bak #备份
sudo ln -s gcc-5.5 gcc # 重新连接
ls -l g++*
sudo mv g++ g++.bak
sudo ln -s g++-5.5 g++
重新查看g++、gcc 的版本：
g++ -v
gcc -v
确认gcc、g++版本为5.5就ok。
3.2 安装cuda
切换到下载目录
执行：
sudo sh cuda_10.0.130_410.48_linux.run
安装过程，只选择不安装显卡驱动就行了。
配置环境变量，在主文件夹中打开.bashrc:
sudo vim ~/.bashrc
末尾加入一下路径，保存关闭
export PATH=/usr/local/cuda-10.0/bin${PATH:+:$PATH}} #注意，根据自己的版本，修改cuda-10.0...
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} #注意，根据自己的版本，修改cuda-10.0...
使配置文件生效
source ~/.bashrc
检查CUDA是否安装成功
终端输入 ： $ nvcc –V 会输出CUDA的版本信息
编译cuda提供的例子：
1 切换到例子存放的路径，默认路径是 ~/NVIDIA_CUDA-10.0_Samples/1_Utilities/deviceQuery
2 终端输入
sudo make
3 执行操作
./deviceQuery
出现下面的pass 就安装成功
4.安装cudnn
这里还是需要cd到你的下载目录
- Unzip the cuDNN package
tar -xzvf cudnn-10.0-linux-x64-v7.3.1.20.tgz
2.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*
这就安装成功了，如果有问题可以试一下另一种安装方式：
sudo dpkg -i libcudnn7_7.3.1.20-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.3.1.20-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.3.1.20-1+cuda10.0_amd64.deb
验证cudnn是否安装成功
1.切换到cudnn样例的目录
cd ../cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN
出现Test passed就表示安装成功了。
5.安装tensorflow-gpu
在这里下载的tensorflow-gpu
可以采用这种方式安装哦
pip install --no-cache-dir tensorflow-1.12.0-cp36-cp36m-linux_x86_64.whl
完成就大功告成了。接下来就可以安装keras…等愉快的玩耍喽。
最近又重新安装了 cuda安装跟之前感觉不太一样
https://blog.csdn.net/AlphaWun/article/details/90180338