Ubuntu18.04-卸载CUDA、安装新版本CUDA
电脑：联想Y9000P2022款，显卡RTX3060
本来一直正常使用pytorch，cuda也正常使用，但是今天安装Tensorflw2.x也遇到显卡驱动和CUDA版本和Tensorflow版本不兼容的问题，想更新一下CUDA版本，大体流程在此记录一下。
1、查看当前显卡驱动推荐使用哪个版本的CUDA
终端输入查看
nvidia-smi
右上角能看到 CUDA Version：11.7，即为推荐（最高）的版本。
【注意：很多博客使用此方法查看cuda版本，是不对的！因为这是可以安装的最高版本（推荐版本），电脑没有安装CUDA也会显示CUDA Version。要查看自己电脑CUDA版本请使用nvcc -V命令】
因为想安装较高版本的cuda（高版本可以兼容低版本，所以版本较高可以省去后续很多麻烦），在这篇博客Tensorflow与Python、CUDA、cuDNN的版本对应表中，发现较新的tensorflow已经需要11.8，所以11.7肯定不行了。
2、更换显卡驱动
打开ubuntu系统中的“软件和更新”，然后“附加驱动”，可以看到驱动版本是nvidia-driver-515，和上图中的NVIDIA-SMI 和Driver Version 正好对应。因为一般来说数字更大版本就较新，所以选择另外一个驱动nvidia-driver-530。“应用更改”然后重启电脑。
重启后打开终端再次输入
nvidia-smi
发现推荐的CUDA Version：12.1，版本变高
3、删除原来的旧CUDA
参考博客Ubuntu——卸载cuda、cudnn的方法
和另一篇博客ubuntu完全卸载CUDA
博主主要根据第二篇博客进行卸载，具体细节不再赘述。
cd /usr/local/cuda-xx.x/bin/
sudo ./cuda-uninstaller
sudo rm -rf /usr/local/cuda-xx.x
4、安装新cuda
参考博客Ubuntu安装cuda
官网下载对应的cuda版本
因为后续博主要安装Tensorflow，所以根据需要下载11.8版本（当前驱动最高支持版本为12.1，所以安装11.8版本没问题）
然后根据自己系统版本选择下载内容
下方会弹出来具体的命令，打开终端无脑输入即可（博主在这里科学上网了，如果下载慢的话就不属于本博客的范畴了，可以搜索其他方法解决此问题）。
因为驱动已经安装完成，这里只需要安装CUDA，所以参考引用博客安装过程，在安装时取消安装‘Driver’
5、配置环境变量
sudo gedit ~/.bashrc将下面两句复制到文件尾部
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
保存后source一下
source ~/.bashrc # 刷新.bashrc文件内容还有一条命令(可选)：
sudo ldconfignvcc -V查看CUDA版本是否更改，安装成功
6、安装cuDNN
打开官网，顺手注册一下，根据电脑系统选择版本--下载
由于后续安装Tensorflow，这里为安装8.6版本。
记得下载for Linux x86_64（tar）版本的cudnn。
重点：下一步网上有很多版本，我总结了一下。
第一步：将下载后的文件解压缩
方式一、使用命令
$ tar -xzvf <刚下载好的文件名>
方式二、鼠标右键--->提取到此处
第二步：复制解压后的两个文件
'include'和'lib'，只需要将这两个文件下的所有文件分别复制到/usr/local/cuda-xx.x/include和/usr/local/cuda-xx.x/lib64(注意更改自己的版本名称)
sudo cp ./lib/* /usr/local/cuda-11.8/lib64
sudo cp ./include/* /usr/local/cuda-11.8/include然后增加一下权限即可
sudo chmod +x /usr/local/cuda-11.8/include/cudnn.h
sudo chmod +x /usr/local/cuda-11.8/lib64/libcudnn*
最后看是否安装成功
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
图中数字CUDNN_MAJOR 8与CUDNN_MINOR 6即为版本8.6
安装结束！