在Ubuntu18.04 安装CUDA10.1、cuDNN和TensorFlow2.3.0
Ubuntu18.04+CUDA10.1+TensorFlow2.3.0
踩坑总结
！！！CUDA版本与cuDNN以及TensorFlow的版本要对应
一、安装NVIDIA驱动
首先，查看自己电脑的显卡型号
在终端输入命令 lspci | grep -i vga
但输入后返回的是4个数字，并没有发现显卡型号
参考下面链接后知道返回的是一个十六进制数字代码，根据这个数字代码可以找到相应的显卡类型。
Linux(Ubuntu)系统查看显卡型号
The PCI ID Repository
在输入框中输入终端返回的十六进制数，就能查到显卡类型，我的是Quadro P2200。
下载驱动安装包
知道自己的显卡型号后，即可登录NVIDIA官网查询对应的驱动并下载。
下图是CUDA和显卡驱动版本的对应表，看表中符号是“>=”,所以下载驱动时只需满足驱动版本高于所要下载的CUDA对应版本就可以了，通常选择官网查询给出的驱动版本。
（我的显卡驱动版本是450的，看这个表就想着下载对应的CUDA11，结果最后TensorFlow还没有支持到CUDA11，只好卸了重装T^T）
NVIDIA驱动程序下载
输入自己的显卡型号就能给出推荐的驱动，点击下载即可。
安装驱动
参考链接https://blog.csdn.net/u014797226/article/details/79626693
1、禁用nouveau第三方驱动
打开编辑配置文件： sudo gedit /etc/modprobe.d/blacklist.conf
在最后一行添加：blacklist nouveau
改好后执行命令：sudo update-initramfs -u
重启使之生效：reboot
输入lsmod | grep nouveau，若无输出则代表成功。
2、验证是否安装了gcc
3、关闭图形界面
按 Ctrl+Alt+F1/F3 进入tty界面
输入下面命令关闭图形界面:
sudo service lightdm stop
或者
sudo telinit 3
给驱动run文件赋予可执行权限：sudo chmod a+x NVIDIA-Linux-x86_64-450.80.0.2.run (下载的驱动文件名）
安装：sudo ./NVIDIA-Linux-x86_64-450.80.0.2.run -no-opengl-files
开启X服务：sudo /etc/init.d/lightdm start (或者：sudo service lightdm start)
–no-opengl-files 只安装驱动文件，不安装OpenGL文件。这个参数最重要
–no-x-check 安装驱动时不检查X服务
–no-nouveau-check 安装驱动时不检查nouveau
后面两个参数可不加。
重启，输入命令：nvidia-smi
出现如下信息则安装成功。
二、安装CUDA10.1
1、下载CUDA10.1
CUDA工具包下载
选择runfile文件下载，放到主目录下。
2、安装
按 ctrl + alt + F1/F3 进入tty命令行界面,登录用户和密码
关闭图形界面，同上 安装NVIDIA驱动时操作
sudo service lightdm stop
或者
sudo telinit 3
给cuda可执行权限：
sudo chmod a+x cuda_10.1.105_418.39_linux.run
运行cuda文件：
sudo ./cuda_10.1.105_418.39_linux.run --no-opengl-libs
cuda主要有以下参数：
–no-opengl-libs：表示只安装驱动文件，不安装OpenGL文件。必需参数，原因同上。注意：不是-no-opengl-files。
–uninstall (deprecated)：用于卸载CUDA Driver（已废弃）。
–toolkit：表示只安装CUDA Toolkit，不安装Driver和Samples
–help：查看更多高级选项。
（注：因为已安装NVIDIA驱动，故安装CUDA时有一个选项DRIVER即驱动不要勾选，否则会安装失败）
安装过程结束后会有以下信息：
Toolkit ：Installed in /usr/local/cuda-10.1
Samples ：Installed in /home/vincent
安装完成，重启。
3、验证是否成功安装CUDA
打开终端，输入：
export PATH="/usr/local/cuda-10.1/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH"
这两条命令是将cuda的bin文件和lib导出到系统环境中。
如果安装的版本不是一样的，更换路径中的cuda-10.1。
终端输入：
nvcc -V
出现版本信息则代表正常。
编译samples例子
编译并测试设备 deviceQuery：
cd /usr/local/cuda-9.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
#编译并测试带宽 bandwidthTest：
cd ../bandwidthTest
sudo make
./bandwidthTest
如果这两个测试的最后结果都是Result = PASS，说明CUDA安装成功。
将cuda的bin和lib写入系统环境
sudo gedit ~/.bashrc
打开~.bashrc文件在末尾追加：
export CUDA_HOME=/usr/local/cuda-10.1
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.1/bin:$PATH
然后在终端输入以使路径生效
. ~/.bashrc
参考链接：Linux安装CUDA的正确姿势
三、安装cuDNN
cuDNN的全称为NVIDIA CUDA® Deep Neural Network library，是NVIDIA专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计基于GPU的加速库。cuDNN为深度神经网络中的标准流程提供了高度优化的实现方式，例如convolution、pooling、normalization以及activation layers的前向以及后向过程。
cuDNN下载
只要与cuda版本匹配就可以了
点击下载后，选择cuDNN Library for Linux
下载这个需要登录，直接用邮箱微信扫一扫登录就可以了
下载完成以后将其解压到Cuda的目录当中，依次执行如下命令：
tar -xzvf cudnn-10.1-linux-x64-v8.0.4.30.tgz
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*
网上有验证cuDNN是否安装成功的步骤，是查看cudnn.h文件，输入的是“cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2”，但是我输入后没有任何输出，后来看到了“安装成功后验证实际上显示的就是cudnn_version.h里的版本信息”，于是把cudnn.h改成cudnn_version.h。输入
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
成功显示版本信息。
Ubuntu16.04下安装cuda和cudnn的三种方法（亲测全部有效）
另：安装多个版本的cuda并切换
安装过程不变，
将~/.bashrc 或 ~/.zshrc 下与cuda相关的路径都改为 /usr/local/cuda/ 而不使用 /usr/local/cuda-10.1/ 或/usr/local/cuda-10.1/。
#切换cuda版本
rm -rf * /usr/local/cuda #删除之前创建的软链接
sudo cp -r /usr/local/cuda-10.1/* /usr/local/cuda/
nvcc -V #查看当前 cuda 版本
#cuda8.0 切换到 cuda9.0
rm -rf * /usr/local/cuda
sudo cp -r /usr/local/cuda-10.0/* /usr/local/cuda/
nvcc -V
四、安装TensorFlow
参考：在Linux服务器上配置tensorflow-gpu版（最详细教程）
系统中要有anaconda，这里就跳过了。
首先，建立TensorFlow版本环境
输入conda create -n （环境名称） python=3.6（python必须3.5或3.6，3.6以上版本tensorflow可能会报错）
conda create -n tensorflow36 python=3.6
等待完成。
输入source activate tensorflow36（我的环境名称为tensorflow36，可自己在创建是命名），进入创建的tensorflow环境。
在安装之前配置清华镜像，下载速度会很快.
在~/.config/.pip目录下新建（或修改）pip.conf文件
然后在文件中输入如下信息：
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/
安装
根据版本对应关系，我就安装了2.3.0版，输入
pip install tensorflow-gpu==2.3.0
官网给出的TensorFlow与cuda版本对应
测试安装是否成功
网上给出这样的测试代码
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
但我运行后出现错误“RuntimeError: The Session graph is empty. Add operations to the graph before calling run().”
经过查找，了解是TensorFlow版本的原因，调用前没有给session清空
将上述代码改为：
import tensorflow as tf
g = tf.Graph()
with g.as_default():
hello = tf.constant('Hello, TensorFlow!')
sess = tf.compat.v1.Session(graph=g)
print(sess.run(hello))
参考TensorFlow（踩坑）：RuntimeError: The Session graph is empty.
测试成功。