Ubuntu18.04使用anaconda3安装tensorflow-gpu、pytorch
安装过程与之前Ubuntu16.04差不多
需要下载的：Anaconda3, cuda9, cudnn7
链接: https://pan.baidu.com/s/1zETCwtUt-u9fRHOKX4pDQg 提取码: 3fah
一，安装pip
sudo apt-get update
sudo apt-get install python-pip python-dev # 如果当前环境Python版本3, 则改为是
sudo apt-get install python3-pip二，安装nvidia driver
方式1（命令行）：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
ubuntu-drivers devices输出：
== /sys/devices/pci0000:16/0000:16:00.0/0000:17:00.0 ==
modalias : pci:v000010DEd00001B06sv00001458sd0000374Cbc03sc00i00
vendor : NVIDIA Corporation
model : GP102 [GeForce GTX 1080 Ti]
driver : nvidia-driver-390 - distro non-free recommended
driver : xserver-xorg-video-nouveau - distro free builtin
则安装：sudo apt-get install nvidia-driver-390
再输入：nvidia-smi
显示如下，则成功安装
h428@h428:~$ nvidia-smi
Mon Nov 5 17:40:36 2018
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 390.77 Driver Version: 390.77 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 108... Off | 00000000:17:00.0 On | N/A |
| 0% 56C P5 16W / 250W | 324MiB / 11175MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 1 GeForce GTX 108... Off | 00000000:65:00.0 Off | N/A |
| 0% 44C P8 11W / 250W | 2MiB / 11178MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 2230 G /usr/lib/xorg/Xorg 18MiB |
| 0 2365 G /usr/bin/gnome-shell 49MiB |
| 0 4777 G /usr/lib/xorg/Xorg 136MiB |
| 0 4908 G /usr/bin/gnome-shell 113MiB |
| 0 5652 G /usr/lib/firefox/firefox 2MiB |
+-----------------------------------------------------------------------------+
方式2（离线，安装有风险慎用）：
官网：Unix Drivers | NVIDIA
离线下载需要的驱动，下面的Archive可以获取其他版本。
更详细的可以参考：
Ubuntu离线安装Nvidia显卡驱动_MAKE ELEPHANT FLY的博客-CSDN博客
ubuntu 16.04 + GTX1050安装nvidia驱动_MoonLer的博客-CSDN博客
下面三、四步是传统的方式，可以采用更省力、快捷方式，即直接跳到五、六步。(cuda版本对应表)
三，安装cuda 9.0
下载cuda9.0, 在下载目录下右击鼠标，打开terminal，安装已经下载的 cuda_9.0.176_384.81_linux.run，命令如下：
sudo sh cuda_9.0.176_384.81_linux.run --override
过程除了显卡驱动no, 其他都是yes
1）打开bashrc文件：sudo gedit ~/.bashrc
2） 在文件最后输入：
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64
这里不指定cuda版本，方便切换版本。
生效：source ~/.bashrc
测试：
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
结果如上，安装成功
3）安装cudnn:
清华源：Index of /anaconda/pkgs/main/linux-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
离线下载好需要的cudnn版本，离线安装，需要安装好anaconda3：
conda install --use-local cudnn-7.6.4-cuda10.1_0.tar.bz24）重启电脑，四，安装cudnn 7
下载cudnn7, 解压，进入解压路径根目录（可以看见cuda文件家）再如下命令：
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 /usr/local/cuda/lib64/libcudnn*
五，安装Anaconda版
从清华源选择版本：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
下载anaconda3, 进入下载目录，安装：
bash Anaconda3-5.0.1-Linux-x86_64.sh
六，安装tensorflow-gpu
pip install tensorflow-gpu
上面这种命令超级慢
可以使用conda命令：conda install tensorflow-gpu==1.11
直接安装想要安装的版本，显示如下，发现有cudatoolkit9.2, cudnn7.2,说明通过上面的命令会顺便将对应的cuda和cudnn安装了。就不用担心版本对应问题了，只需要任选择一个较新的tensorflow-gpu版本，自动找到对应的cuda和cudnn。
输入y即可。相对于前面方式，更快
The following NEW packages will be INSTALLED:
_tflow_select: 2.1.0-gpu
absl-py: 0.6.1-py36_0
astor: 0.7.1-py36_0
blas: 1.0-mkl
cudatoolkit: 9.2-0
cudnn: 7.2.1-cuda9.2_0
cupti: 9.2.148-0
gast: 0.2.0-py36_0
grpcio: 1.12.1-py36hdbcaa40_0
keras-applications: 1.0.6-py36_0
keras-preprocessing: 1.0.5-py36_0
libprotobuf: 3.6.1-hd408876_0
markdown: 3.0.1-py36_0
protobuf: 3.6.1-py36he6710b0_0
tensorboard: 1.11.0-py36hf484d3e_0
tensorflow: 1.11.0-gpu_py36h9c9050a_0
tensorflow-base: 1.11.0-gpu_py36had579c0_0
tensorflow-gpu: 1.11.0-h0d30ee6_0
termcolor: 1.1.0-py36_1
The following packages will be UPDATED:
anaconda: 5.0.1-py36hd30a520_1 --> custom-py36hbbc8b67_0
conda: 4.3.30-py36h5d9f9f4_0 --> 4.5.11-py36_0
conda-env: 2.6.0-h36134e3_1 --> 2.6.0-1
libgcc-ng: 7.2.0-h7cc24e2_2 --> 8.2.0-hdf63c60_1
libstdcxx-ng: 7.2.0-h7a57d05_2 --> 8.2.0-hdf63c60_1
pycosat: 0.6.2-py36h1a0ea17_1 --> 0.6.3-py36h14c3975_0
Proceed ([y]/n)?
七，安装Pytorch
点击链接，选中对应环境（Linux, Conda, Python3.6, Cuda9.0），找到需要的命令，如下：
所以官方安装方式：
conda install pytorch torchvision cudatoolkit=9.2 -c pytorch但是太慢了
注意：直接输入上面的命令太慢了，建议参考方法。输入命令：
添加清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
添加Pytorch镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# for legacy win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda install pytorch torchvision cudatoolkit=9.2 这个时候要注意，我们已经吧-c pytorch给删除了，安装的时候才会默认从清华源下载相应的包
解释一下，就是我们没有使用pytorch的源，而改成清华镜像的源了。
清华镜像：anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
类似的安装opencv：
conda install opencv
如果pycharm导入失败，尝试重启pycharm即可。
可能会报错：
... specified in the package manifest cannot be found...
解决办法：
conda clean --packages --tarballs
其他安装opencv方式：
pip install opencv-python
还需要安装
pip install opencv-contrib-python