Ubuntu 18.04+RTX2080TI+Tensorflow环境配置
导师新买了显卡，让我配一下相关环境，就把过程整理了一下，仅供参考！
注意，本文CUDA,CUDNN,Ananconda安装的前提是本地已经下载好安装包，本文不再详细说明下载过程，官网都有。
本文针对RTX2080，用的CUDA10和Ananconda3...
一：安装RTX2080驱动——本次驱动版本为nvidia-driver-410
1.安装驱动之前要删除可能存在的已有驱动
sudo apt-get purge nvidia-* 2.添加驱动源+更新源列表
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
3.命令行安装+重启
sudo apt-get install nvidia- driver-410
sudo reboot //重启
或者在软件和更新的附加驱动里面直接找到2080的驱动：
选择nvidia-drivers-410，点击apply changes进行安装，安装结束后重启电脑。
4.测试nvidia驱动是否安装成功
nvidia-smi
nvidia-settings
出现上图显示信息即为安装成功！
二．CUDA安装
1.命令行安装
sudo sh cuda_10.0.130_410.48_linux.run（cuda版本）一直按enter将声明读完！
过程操作如下图所示，注意！如果驱动是已经独立安装了，当提示安装驱动时，一定要选择no！！！
2.添加环境变量
进入配置文件： sudo vi ~/.bashrc
如果vi命令无效，先下载vim： sudo apt install vim
将如下命令添加到文件末尾：
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
插入---按insert按钮 保存并退出---:wq
退出之后立即执行文件：source ~/.bashrc
3.测试CUDA是否安装成功
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
结果如下就表明成功了！
三．CUDNN安装
1.将下载后的cudnn文件解压后，在命令行执行如下命令：
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*
2.在终端查看cudnn版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2出现下图所示，则表示安装完成！
四．Ananconda+tensorflow
1.安装ananconda
sudo bash Anaconda3-xxxxxxxxxx.sh(版本)2.一直按enter读完声明，中间提醒环境保存路径，输入“yes”使用默认，提醒环境变量自动添加，选择“yes”
当提醒是否要装vscode，选择“no”，一般用不到：
3.重启终端，检查安装
conda –version
4.如果显示conda版本出错，则检查环境配置
打开文件：sudo gedit ~/.bashrc添加如下命令，然后保存退出（命令同上），然后再检查版本信息：
export PATH="/home/用户名/anaconda3/bin:$PATH"5.tensorflow配置
创建环境：conda create -n tensorflow python==3.5
激活环境：source activate tensorflow
检查支持的版本：conda search tensorflow-gpu
安装对应的版本：conda install tensorflow-gpu==1.x
检查：进入python环境，输入import tensorflow as tf
6.jupyter notebook相关配置
安装：conda install nb_conda7.修改jupyter存储文件路径
输入命令:jupyter notebook -–generate–config找到路径：
进入文件后找到”notebook_dir”,将自己的存储路径存放到此命令里面，并且解放注释，保存。
参考：
https://blog.csdn.net/weixin_40859436/article/details/83152249
https://blog.csdn.net/tjuyanming/article/details/79267984
https://blog.csdn.net/qq_32408773/article/details/84112166
https://blog.csdn.net/qq_31610789/article/details/80646276