1. 顯卡驅動安裝
1.1 查看是否存在已經安裝的顯卡
nvidia-smi
nvidia-settings 是顯卡設置
如果已經存在安裝的顯卡，則需要刪除：sudo apt-get remove -purge nvidia*
如果不存在，則不需要刪除
1.2 下載顯卡驅動程序 .run格式
https://www.nvidia.com/Download/index.aspx?lang=cn# 官方下載地址
1.3 禁用secure boot
將其設置成disable，如果Secure Boot是灰色的，無法disable。請看這篇博客提到的內容，然後反覆多試幾次，這裏確實挺坑的，要費一些時間。
https://blog.csdn.net/qq_20492405/article/details/79034430
1.4 禁用nouveau
(a) 打開編輯配置文件：sudo gedit /etc/modprobe.d/blacklist.conf
(b) 在最後一行加入 blacklist nouveau
© 執行生效 sudo update-initramfs -u
1.5 重啓
reboot
1.6 查看nouveau是否運行
lsmod | grep nouveau //沒有輸出代表禁用成功
1.7禁止圖形桌面
sudo telinit 3 //運行級別3
進入黑屏後，點擊ctrl+alt+F1 進入命令行模式
1.8 安裝驅動
cd到驅動文件所在目錄
（a）給驅動文件增加可執行權限
sudo chmod a+x NVIDIA-Linux-x86_64-418.56.run
（b）執行
sudo sh ./NVIDIA-Linux-x86_64-418.56.run -no-opengl-files
-no-opengl-files :爲了防止循環登錄，只安裝驅動，不安裝openGL
ps：安裝時，如果缺少gcc，make, make-guile 則根據提示安裝即可。
例如：
gcc --version
sudo apt install gcc
2.安裝CUDA
英偉達官方下載
下載完成 copy 到特定的文件目錄下。
更新一下
sudo apt update
sudo apt upgrade // 費時稍長
reboot // 重啓
2.1 關閉屏幕
sudo service lightdm stop // ctrl+alt+f1 此命令要是不行使用就使用下面的命令
sudo telinit 3 //運行級別3
startx //返回，進入 X 界面，一種圖形界面
2.2 激活，執行
cd到特定文件夾後
sudo chmod a+x cuda_10.1.105_418.39_linux.run
sudo sh cuda_10.1.105_418.39_linux.run
出現協議，填寫 accept。
之後，出現如下選項，按“ENTER”去掉第一個驅動選項，因爲之前安裝了驅動。之後，Install
安裝完成後出現以下
2.3 環境變量
sudo gedit /etc/profile
在結尾加上
export PATH=/usr/local/cuda-10.1/bin:$PATH
export LD_LTBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH
source /etc/profile
原博客有一個創建鏈接文件的步驟，但是我沒做成功，最後查看版本也可以
2.4 查看版本
ncvv --version
(base) li@li-System-Product-Name:~$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Fri_Feb__8_19:08:17_PST_2019
Cuda compilation tools, release 10.1, V10.1.105
2.5 測試
安裝 g++
sudo apt install g++ //安裝 g++
編譯測試樣本
cd ~/NVIDIA_CUDA-10.1_Samples
make //費時較長，要出現 Finished
測試
cd ~/NVIDIA_CUDA-10.1_Samples/bin/x86_64/linux/release
./deviceQuery
出現 PASS 表示安裝成功
重啓電腦
ps：後來，發現了官方安裝教材。是極好的參考資料，建議直接看官方的（註冊）：
https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
3.安裝cuDNN（可選）
（注意：此時的安裝方法按照官網的步驟，一步一步操作即可，我已經試過了，無坑）
針對卷積神經網絡模型優化的數值計算庫。使用他可以將卷積神經網絡的計算速度提升2～3倍，這裏建議一定要安裝。
此時的安裝方法，一定要不去看各種中文的教程，裏面的坑太多（親試）。看官方的教程。（註冊）
cuDNN下載地址：
安裝教程：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#install-linux
copy官方教材如下：
2.2. Downloading
cuDNN In order to download cuDNN, ensure you are registered for the NVIDIA Developer Program.
//下載時需要先註冊
Go to: NVIDIA cuDNN home page. Click Download. Complete the short
survey and click Submit. Accept the Terms and Conditions. A list of
available download versions of cuDNN displays.
Select the cuDNN version you want to install. A list of available resources displays.
//選擇版本下載，我在選擇時，直接選的“ cuDNN Library for Linux”這一版，因爲這一版本的後綴爲.tgz
，是linux通用版。
2.3. Installing cuDNN on Linux
The following steps describe how to build a cuDNN dependent program.
Choose the installation method that meets your environment needs. //根據你的系統環境，選擇安裝方法
For example, the tar file installation applies to all Linux platforms, and the debian installation package
applies to Ubuntu 14.04 and 16.04. //壓縮包適合所有linux系統，deb適合Ubuntu14，16。In the following sections:
your CUDA directory path is referred to as/usr/local/cuda/your cuDNN download path is referred to as
<cudnnpath>//CUDA的路徑是/usr… ; cuDNN的下載路徑要看你的下載地址，以來代替你的下載路徑
2.3.1. Installing from a Tar File Navigate to your directory containing the cuDNN Tar file.
Unzip the cuDNN package. // cd 到你的下載位置，解壓
$ tar -xzvf cudnn-9.0-linux-x64-v7.tgz
Copy the following files into the CUDA Toolkit directory, and change the file permissions.
//複製下列文件到CUDA Toolkit 目錄。改變文件權限，permissions：權限
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include//copy cudnn.h文件到CUDA Toolkit目錄下
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64//copy libcudnn的所有文件到CUDA的lib64下
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*//更改權限，設爲可執行
2.3.2. Installing from a Debian File Navigate to your directory containing cuDNN Debian file.
//下載另外三個.Deb的文件包，然後安裝
Install the runtime library,
for example:sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb
Install the developer library, for example:
sudo dpkg -i libcudnn7-devel_7.0.3.11-1+cuda9.0_amd64.deb
Install the code samples and the cuDNN Library User Guide, for example:
sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb
2.4. Verifying To verify that cuDNN is installed and is running properly,
compile the mnistCUDNN sample located in the
/usr/src/cudnn_samples_v7 directory in the debian file.
Copy the cuDNN sample to a writable path.
$cp -r /usr/src/cudnn_samples_v7/ $HOME
Go to the writable path.
$ cd
$HOME/cudnn_samples_v7/mnistCUDNN
Compile the mnistCUDNN sample.
$make clean && make
Run the mnistCUDNN sample.
$ ./mnistCUDNN
If cuDNN is properly installed and running on your Linux system, you will see a
message similar to the following:
Test passed! //安裝成功
2.5. Upgrading from v6 to v7 cuDNN v7 can coexist with previous versions of cuDNN, such as v5 or v6.
2.6. Troubleshooting
Join the NVIDIA Developer Forum to post questions and follow
discussions.
ps
可能遇到的錯誤。$ ./mnistCUDNN
error while loading shared libraries:libcudart.so.10.0:cannot open shared object file:NO such file or directory
解決辦法：
$ sudo vim ~/.bashrc
xieru
export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda10.0
$ source ~/.bashrc
$ ./mnistCUDNN
Result of classification: 1 3 5
Test passed!
我的實際安裝操作：
3.1 查看cuda的安裝位置
(base) li@li-System-Product-Name:~$ which nvcc
/usr/local/cuda-10.1/bin/nvcc
(base) li@li-System-Product-Name:~$ cd /usr/local
(base) li@li-System-Product-Name:/usr/local$ ls
bin cuda cuda-10.1 etc games include lib man sbin share src
(base) li@li-System-Product-Name:/usr/local/cuda-10.1$ ls
bin include libnvvp nvml src
doc jre NsightCompute-2019.1 nvvm targets
EULA.txt lib64 nsightee_plugins samples tools
extras libnsight NsightSystems-2018.3 share version.txt
3.2 下載cuDNN
(base) li@li-System-Product-Name:/$ cd ~/Downloads
解壓：tar -xzvf cudnn-10.1-linux-x64-v7.tgz
(base) li@li-System-Product-Name:~/Downloads$ ls
Anaconda3-2019.03-Linux-x86_64.sh cuda_10.1.105_418.39_linux.run flash_player_ppapi_linux.x86_64.tar.gz
**cuda** cudnn-10.1-linux-x64-v7.5.0.56.deb NVIDIA-Linux-x86_64-418.56.run
//解壓後的文件名字爲cuda
3.3 拷貝文件
(base) li@li-System-Product-Name:~/Downloads$ sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include
(base) li@li-System-Product-Name:~/Downloads$ sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h /usr/local/cuda-10.1/lib64/libcudnn*
(base) li@li-System-Product-Name:~/Downloads$ cd /usr/local/cuda-10.1/lib64/
激活：`$ sudo chmod a+r /usr/local/cuda10.1/include/cudnn.h /usr/local/cuda10.1/lib64/libcudnn*` （注意是copy到cuda還是到cuda10.1）
(base) li@li-System-Product-Name:/usr/local/cuda-10.1/lib64$ ls
3.4 鏈接文件 (此步非必需，建議跳過)
（注：我不知道這一步是不是必須步驟，我剛開始看的中文教程裏面有這一步，我就 操作了，但是官方教程裏面沒有。）
（ps：今天，我又重新安裝了一邊驗證，證明，按照上面官網給出的步驟走，就可以安裝完畢，根本用不着這一步）
cd /usr/local/cuda-10.1/lib64/
sudo ln -sf libcudnn.so.7.5.0 libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so
讓連接生效：
sudo ldconfig
3.5檢測 （同官網給出的方法）
一個坑 （我第二次安裝時，此坑沒出現）
(base) li@li-System-Product-Name:/usr/local/cuda-10.1/lib64$ cp -r /usr/src/cudnn_samples_v7/ $HOME
cp: cannot stat '/usr/src/cudnn_samples_v7/': No such file or directory
(base) li@li-System-Product-Name:/usr/local/cuda-10.1/lib64$ cp -r /usr/src/cudnn_samples_v7 $HOME
cp: cannot stat '/usr/src/cudnn_samples_v7': No such file or directory
