1. 显卡驱动
    添加驱动源
    sudo apt-get purge nvidia*
    sudo add-apt-repository ppa:graphics-drivers/ppa
    sudo apt-get update
    然后在软件和更新的附加驱动里面就可以找到自己显卡的驱动了!一定要等到显示 重新启动 再重启。
    也可以直接命令:sudo apt-get install nvidia-384 nvidia-settings(nvidia-384为驱动版本 不同显卡不同)
  2. cuda
    cuda 版本下载:https://developer.nvidia.com/cuda-toolkit-archive tensorflow 对应的cuda版本 : https://www.tensorflow.org/install/source
deb 方式安装
 sudo dpkg -i cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
 sudo apt-get update
 sudo apt-get install cuda
 安装方式也可以不用命令行,使用别的安装方式
 卸载
 sudo apt-get --purge remove cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48
 sudo apt-get --purge remove cuda-*-10-0下载 cuda * .run 文件
 (1) sudo sh cuda_…_linux.run 按照相应的版本号,之后阅读相关信息,直接ctrl+c跳过,然后 accept 接受协议
 (2) 第二个选项 Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26? 须选择否,因为在之 前已经安装好了显卡驱动,无需重新安装。
 一路进行…(3) 添加环境变量:
 在终端中输入:
 gedit ~/.bashrc
 然后打开的文件最后面写入:
 export PATH="$PATH:/usr/local/cuda-10.0/bin"
 export LD_LIBRARY_PATH="/usr/local/cuda-10.0/lib64"
 保存并关闭文件, 在终端中输入:
 source ~/.bashrc
 (4)cuda 测试:
 打开终端,切换到位置:~/ NVIDIA_CUDA-10.0_Samples
 输入:make
 打开终端,切换到位置:~/NVIDIA_CUDA-10.0_Samples/bin/x86_64/linux/release
 终端输入:./deviceQuerycuda 版本切换:(也即是可以安装多个 cuda 版本)
 (1)删除原来的软连接:sudo rm -rf /usr/local/cuda
 (2)建立新的cuda 版本的软连接:sudo ln -s /usr/local/cuda-9.0 /usr/local/cuda
  1. cudnn
    cudnn 版本下载:https://developer.nvidia.com/rdp/cudnn-archive 下载对应版本,解压文件包,然后复制文件到相应位置
    tar xvzf cudnn-9.0-…tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include
 sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64
 sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*cuda 版本查看
 cat /usr/local/cuda/version.txt
 nvcc -V
 当出现cuda版本时说明已经成功cudnn 版本查看
 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 24. anaconda
 anaconda 版本下载:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 安装:bash Anaconda…Linux-x86_64.sh
 #一路回车,都选 no激活:conda:
 gedit ~/.bashrc
 export PATH="$PATH:~/anaconda3/bin"
 source ~/.bashrc创建虚拟环境:
 conda create -n tf python=3.6conda info --env
删除虚拟环境:
 conda remove -n tf –-all创建新的虚拟环境:
 conda create --name env_name python3 其中env_name是新环境名字


卸载:
(1)删除整个anaconda目录: rm -rf anaconda文件夹名
(2)清理下.bashrc中的Anaconda路径:
1.到根目录下,打开终端并输入:sudo gedit ~/.bashrc
2.在.bashrc文件末尾用#号注释掉之前添加的路径(或直接删除):
#export PATH=/home/lq/anaconda3/bin:$PATH
保存并关闭文件
3.使其立即生效,在终端执行:source ~/.bashrc
4.关闭终端,然后再重启一个新的终端

Adreno 735 GPU 驱动_显卡驱动


每个人的cuda和显卡驱动版本对应都不同,笔者自己最后使用的是cuda9.0,tensorflow-gpu1.12,显卡驱动为nvidia-384,显卡为华硕猛禽1070。

在配置ubuntu16.04的时候会出现的问题:
显卡的驱动版本过高会出现问题,如nvidia显卡驱动更新为430的时候,会出现黑屏
显卡驱动和cuda,cudnn,包括tensorflow-gpu版本必须匹配
目前可行的是显卡驱动384,cuda9.0,cudnn7.4.1.5,tensorflow-gpu1.12
注意安装的时候tensorflow-gpu的安装直接使用过pip时会出现问题,可能找不到源,可以使用conda pip
anaconda也不要用太新版本,安装的是3-5.2.0版本 conda在安装的时候不要使用默认为终端环境,即不要进去终端就为base环境
可以自创一个tensorflow3.6的环境,然后在该环境下进行操作,目前cuda9.0只支持python3.6,使用时只需要运行命令 source activate tf激活自创环境即可

安装conda和cuda,cudnn时 别忘了设置环境变量
然后执行source ~/.bashrc 来完成修改