Ubuntu 18.04 + Taitan RTX 安装Nvidia显卡驱动、CUDA10.0、cudnn7.4.2、tensorflow-gpu 1.14.0

一、安装Nvidia显卡驱动

1. 确认默认驱动是否成功屏蔽

lsmod | grep nouveau

若没有任何输出则直接进行第二步
若有输出，则：

sudo gedit /etc/modprobe.d/blacklist.conf

在最后面添加以下内容

blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb

保存，然后执行

sudo update-initramfs -u

重启电脑
验证默认驱动是否成功屏蔽

lsmod | grep nouveau

若没有任何输出，则成功

2. 安装驱动

查询合适的驱动

ubuntu-drivers devices

选择带有recommended的版本的显卡驱动，然后安装

sudo apt install nvidia-driver-450-server

重启后使用nvidia-smi查看显卡状态，如果能正确识别显卡型号，显存有占用就说明安装成功

二、安装CUDA10.0

1.下载

https://developer.nvidia.com/cuda-toolkit-archive
补丁需一起下载，先安装基础的再安装补丁包，补丁包安装过程类似

2. 安装

运行安装程序

sudo sh cuda_10.0.130_410.48_linux.run

看着英语提示安装，关键是一定不要安装显卡驱动，因为已经装过了，再装会出错，其他的选项都是yes或者默认就行。

sudo sh cuda_10.0.130.1_linux.run

同上步

3. 配置环境变量

sudo gedit /etc/bash.bashrc

将以下内容复制到/etc/bash.bashrc的末尾，添加到系统环境变量里面

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}}

然后更新环境变量

source /etc/bash.bashrc

4. 验证CUDA 10.0

nvcc -V

三、 安装CUDNN 7.4.2

1. 下载

https://developer.nvidia.com/cudnn
CUDNN 需要英伟达账号才能下载，而且需要和cuda版本相对应。有时下载速度超级慢（我是晚上11点左右下载的，白天下载不下来）

下载
cuDNN Runtime Library for Ubuntu18.04 (Deb)
cuDNN Developer Library for Ubuntu18.04 (Deb)
cuDNN Code Samples and User Guide for Ubuntu18.04 (Deb)
这三个文件

2. 安装

sudo dpkg -i libcudnn7_7.4.2.24-1+cuda10.0_amd64.deb

sudo dpkg -i libcudnn7-dev_7.4.2.24-1+cuda10.0_amd64.deb

sudo dpkg -i libcudnn7-doc_7.4.2.24-1+cuda10.0_amd64.deb

依次安装

3、验证cudnn

上面安装的第三个包中有官方给的示例，可以用来验证cudnn是否安装成功，示例代码保存在/usr/src/cudnn_samples_v7/中

cp -r /usr/src/cudnn_samples_v7 ~/cudnn-sample
cd ~/cudnn-sample/mnistCUDNN/
make clean && make -j16
./mnistCUDNN

如果运行./mnistCUDNN最后输出test passed，就代表cudnn安装成功

或者查看版本：

cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

该版本为7.4.2

四、 安装 tensorflow-gpu 1.14.0

1. 安装

pip install tensorflow-gpu==1.14.0

2. 验证

python

import tensorflow as tf
tf.test.is_gpu_available()

最后输出true，就代表tensorflow-gpu 1.14.0安装成功

参考资料：

https://blog.csdn.net/qq_25014669/article/details/104651894
https://blog.csdn.net/qijiajun97/article/details/103916002