Ubuntu 18.04 安装 Tensorflow-GPU（包含CUDA,cuDNN网盘下载）
一、前言
安装下最新的Tensorflow2(GPU版本)，从头到尾记录下步骤。
从显卡驱动到CUDA、cuDNN，再到tensorflow-gpu。
记录于2019年11月22日
二、环境配置
UBuntu 18.04
2.1 预定安装版本
nvidia-driver-440
CUDA 10.0+cuDNN 7.6.4 + tensorflow-gpu-2.0.0 + python3.7
注：根据自己电脑配置和需求自己找适合自己的版本即可，从driver版本开始选择。
具体对应版本号可看下面“三、配置对应版本号”
2.2 如何选择自己电脑的安装版本
想要自己更改版本下载自己想要版本的的可以往下看，
想要简单点直接用的话，按照这个版本:
nvidia-driver-440+CUDA 10.0+cuDNN 7.6.4 + tensorflow-gpu-2.0.0 + python3.7的话直接跳到第四步安装看即可。
1、从tensorflow版本 入手，选择合适的CUDA、cuDNN、nvidia-driver版本。
这里我以tensorflow-gpu-2.0.0为例子。
2、查看下方的"三、配置对应版本号"的第一个版本配置表格我们可以看出。
tensorflow-gpu-2.0版本 对应如下：
这里我选择 CUDA 10.0, cuDNN7.6.4(官网支持CUDA10.0的cuDNN最新版本)。
3、查看自身的Python版本、GCC版本是否满足需求
查看已安装Python版本
python -V
# Python 3.7.4
查看已安装GCC版本
gcc -v
# gcc version 7.4.0 (Ubuntu 7.4.0-1ubuntu1~18.04.1)
Python、GCC接满足需求。
4、选择 nvidia-driver版本
因为CUDA 选择了CUDA 10.0版本，所以这里我选择的是：nvidia-driver-440:
查看nvidia-driver版本：
1、打开 “SoftWare & updates”
2、打开" Additional Drivers"
3、选择 “nvidia-driver-440” #这里我选择的440版本
5、到这里，所有的版本选择完毕。
nvidia-driver-440
CUDA 10.0+cuDNN 7.6.4 + tensorflow-gpu-2.0.0 + python3.7
三、配置对应版本号
3.1 Tensorflow、CUDA、cuDNN、Python、GCC版本（Linux GPU版）
官网： https://www.tensorflow.org/install/source#gpu
3.2 Driver版本和CUDA版本
官网：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
四、安装Nvidia-driver、CUDA 、cuDNN 、tensorflow-gpu
这里以nvidia-driver-440、CUDA 10.0、cuDNN 7.6.4、tensorflow-gpu-2.0.0为例。
4.1 安装nvidia-driver-440
因为CUDA 选择了CUDA 10.0版本，所以这里我选择的是：nvidia-driver-440:
1、打开 “SoftWare & updates”
2、打开" Additional Drivers"
3、选择 “nvidia-driver-440” #这里我选择的440版本
注：选择安装后如果需要重启记得重启。
4.2 安装CUDA 10.0 版本
4.2.1 安装官网：
https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=deblocal
4.2.2 执行步骤：
# 官网步骤：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=deblocal
# 1、安装CUDA 10.0包
sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda-10-0
# 注：
# 如果是第一次安装 直接sudo apt-get install cuda 也行
# 如果之前安装过CUDA其他版本,为了避免混淆安装错误，最好是指定具体版本，否则容易安装失败
# 如：
# sudo apt-get install cuda-10-0
# sudo apt-get install cuda-10-2
# 2、安装官网2019年3月补丁包
wegt http://developer.download.nvidia.com/compute/cuda/10.0/Prod/patches/1/cuda-repo-ubuntu1804-10-0-local-nvjpeg-update-1_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-nvjpeg-update-1_1.0-1_amd64.deb
4.2.3 检查安装版本
输入以下命令并显示证明CUDA 10.0安装成功：
cat /usr/local/cuda/version.txt
# CUDA Version 10.0.130
4.2.4 其他
CUDA卸载：
sudo apt remove cudnn*
sudo apt-get remove cuda*
sudo apt-get autoclean
cd /usr/local/
sudo rm -r cuda-10.2
4.3 安装cuDNN 7.6.4
安装官网：
https://developer.nvidia.com/rdp/cudnn-archive
执行步骤：
# 下载安装包 Runtime Developer Code三个包都需要
wget https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.4.38/Production/10.0_20190923/Ubuntu18_04-x64/libcudnn7_7.6.4.38-1%2Bcuda10.0_amd64.deb
wget https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.4.38/Production/10.0_20190923/Ubuntu18_04-x64/libcudnn7-dev_7.6.4.38-1%2Bcuda10.0_amd64.deb
wget https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.4.38/Production/10.0_20190923/Ubuntu18_04-x64/libcudnn7-doc_7.6.4.38-1%2Bcuda10.0_amd64.deb
# 解压：
sudo dpkg -i libcudnn7_7.6.4.38-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.4.38-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.4.38-1+cuda10.0_amd64.deb
测试安装
cat /usr/include/x86_64-linux-gnu/cudnn_v7.h | grep CUDNN_MAJOR -A 2
输出如下证明安装成功：
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 4
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"
4.4 安装 tensorflow-gpu-2.0.0
前置准备：
查看pip版本 和对应的Python版本，当心安装对应错Python版本
pip -V
# pip 19.2.3 from /home/hyh/anaconda3/lib/python3.7/site-packages/pip (python 3.7)
执行步骤：
# 更新pip到最新版本
pip install --upgrade pip
# 安装tensorflow2
pip install tensorflow-gpu==2.0.0
五、测试是否安装成功
测试代码;
import tensorflow as tf
print(tf.__version__)
#输出'2.0.0'
print(tf.test.is_gpu_available())
#会输出True,则证明安装成功
输出：
2.0.0
True
以上证明安装成功
补充
因为CUDA、cuDNN可能下载过慢，
这里上传了官方的CUDA 10.0、CUDA 10.2、cuDNN 7.6.4的 deb包到网盘上方便大家下载：
注：CUDA 10.0、cuDNN 7.6.4的包即为这次自己所用的安装包。
链接：https://pan.baidu.com/s/1fmgxsjUNkYSvYEWXGUuaQA
提取码：ofyv
如有遗漏欢迎补充
如有问题欢迎留言
2019年11月22日测试安装成功