Linux安装NVIDIA显卡驱动并配置pytorch和tensorflow环境
一、系统环境：Ubuntu18.04+显卡3090
双系统安装：Win10安装Ubuntu18.04双系统
二、安装NVIDIA显卡驱动：
1.进入BIOS禁用secure boot。
2.卸载原有的英伟达驱动：sudo apt-get remove --purge nvidia*或者sudo ./NVIDIA-Linux-x86_64-384.59.run --uninstall
3.更新库：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get upgrade
4.安装英伟达驱动：
自动安装：
sudo ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
指定版本：
sudo apt-get install nvidia-driver-510
安装依赖：
sudo apt-get install mesa-common-dev（没有这个好像重启后nvidia-smi命令不能用）
5.设置更改
sudo gedit /etc/default/grub
将原来的"quiet splash"或者你已经改过的名称，改为"quiet splash acpi_osi=linux"
sudo update-grub
6.重启电脑nvidai-smi
可能遇到的问题：系统内核与显卡驱动不匹配报错：NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running
解决办法：
# 执行命令
sudo apt-get install dkms
sudo dkms install -m nvidia -v 510.47.03（510.47.03表示的是驱动版本号）
# 利用命令 ll /usr/src/ 可查看下面有一个nvidia-510.47.03/文件夹，版本号因电脑而异
参考链接：
Ubuntu18.04——正确安装英伟达（NVIDIA）显卡驱动
ubuntu pytorch 深度学习环境配置
三、安装cuda和cudnn：
1.安装在系统环境：Linux安装cuda、cudnn
首先到NVIDIA官网找到显卡对应版本的cuda，执行命令安装。
cuda下载：CUDA Toolkit Archive | NVIDIA Developer
cudnn下载：cuDNN Archive | NVIDIA Developer
可能遇到的问题：如果电脑已经安装了显卡驱动Driver CUDA则需要去掉Driver选项，详见：ubuntu18.4解决问题: Installation failed.
2.安装在conda虚拟环境：可以使用conda命令在虚拟环境中安装所需的cuda和cudnn，一台电脑可安装多个cuda和cudnn，详见链接：
Win10配置YOLO目标检测Pytorch环境
四、安装Anaconda:
官网或清华镜像下载Anaconda
bash Anaconda3-2021.05-Linux-x86_64.sh
source ~/.bashrc
conda -V
五、安装Pytorch：
添加源和安装过程与win10相似，详见：
Win10配置YOLO目标检测Pytorch环境
六、安装tensorflow-gpu：
RTX3090利用conda安装tensorflow2.6：因为3090只支持cuda11以上，所以需要选择安装支持cuda11以上的tensorlfow2版本，也就是tensorflow2.4.x。当前阶段，直接使用conda install tensorflow-gpu的话即使成功安装，也无法正常调用gpu，所以需要通过以下方法安装：
conda创建相关虚拟环境
conda install cudatoolkit=11.2 cudnn=8.1
pip install tensorflow-gpu==2.6
参考链接：RTX3090利用conda安装tensorflow2.4
验证：tensorflow-gpu
import tensorflow as tf
a=tf.test.is_built_with_cuda()
b=tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None)
print(a)
print(b)