建議：裝環境之前，先把自己安裝的版本弄清楚，後面出現版本不匹配的問題再重裝就會比較煩。
注意tensorflow-gpu-2.0有幾處代碼改動，在跑faster-rcnn的時候有點問題，所以後面需要把tensorflow-gpu版本改成1.1+的。
我這裏的環境是：
Ubuntu16.04+2080ti+Display Driver430.50+cuda10.0+cudnn7+Anaconda(python3.6)+tensorflow-gpu-1.13.1
1. 顯卡驅動: 版本430.50，有不同的安裝格式，這裏我下的是runfile。
安裝顯卡驅動步驟：
（1）lsmod |grep nouveau，查看到源生的驅動在。如果有就是會出現紅色的nouveau，沒有就什麼都沒有。
（2）如果有原生的驅動在，需要禁用自帶的 nouveau nvidia驅動 （important！）
-->創建一個文件通過命令 sudo vim /etc/modprobe.d/blacklist-nouveau.conf
--> 按一下 i 進入編輯狀態，並添加如下內容：
blacklist nouveau
options nouveau modeset=0
編輯完了：esc--> ：-->wq! （保存並退出）
-->再更新一下
sudo update-initramfs -u
-->修改後需要重啓系統。確認下Nouveau是已經被你幹掉，使用命令： lsmod | grep nouveau
（3）禁掉lightdm桌面管理器，安裝驅動（secure boot disabled）
sudo /etc/init.d/lightdm stop
接下來會變黑好像什麼都沒有，這時候ctrl+alt+f1(命令行出來了)
（4）然後找到你放run文件的文件夾下：
sudo sh ./NVIDIA-Linux-x86_64-375.20.run –no-opengl-files（這個參數不知道什麼用，別人說有用我就加了）
（5）然後這樣：sudo /etc/init.d/lightdm start，就可以進入正常的界面了。
安裝好了可以查看顯卡驅動版本：cat /proc/driver/nvidia/version
2. 安裝CUDA10.0
2080ti 似乎和cuda9有問題，再裝了cudnn之後跑cudnn_samples報錯，後面改成了cuda10之後就成功了。
1）下載cuda:https://developer.nvidia.com/cuda-toolkit-archive ， 我用的是10.0.
cuda安裝參考： https://zhuanlan.zhihu.com/p/47330858
2）安裝之前驗證一下電腦是否已經插上了支持CUDA的GPU，用win+alt+t調出終端，然後輸入：
lspci | grep -i nvidia
如果顯示出你的NVIDIA GPU版本信息應該就沒問題。
3）驗證系統是否安裝了gcc，在終端中輸入：
gcc --version
如果裝了結果會顯示類似信息：
gcc (Ubuntu 5.4.0-6ubuntu1~16.04.5) 5.4.0
如果沒有就自行安裝。sudo apt-get install build-essential (Ubuntu默認gcc5.4)
4）驗證系統是否安裝了kernel header和 package development
a、查看正在運行的系統內核版本：
在終端中輸入：
uname --r
結果顯示類似就可以：4.10.0-40-generic
b、在終端中輸入：
sudo apt-get install linux-headers-$(uname --r)
以安裝對應kernel版本的kernel header和package development
結果如果顯示：
升級了 0 個軟件包，新安裝了 0 個軟件包，要卸載 0 個軟件包，有 4 個軟件包未被升級。
則表示系統裏已經有了，不用重複安裝。
5）禁用 nouveau驅動
終端中運行：
lsmod | grep nouveau
如果有輸出則代表nouveau正在加載。需要我們手動禁掉nouveau。
以下是Ubuntu的nouveau禁用方法：
a、我們需要在電腦根目錄的/etc/modprobe.d文件夾中創建文件blacklist-nouveau.conf
先用apt-get安裝vim編輯器，然後
這需要輸入命令：
sudo vi /etc/modprobe.d/blacklist-nouveau.conf
此時會出現一個窗口 （我們利用vi編輯器的指令來編輯和保存文件）
按鍵盤上的insert鍵進入輸入模式，然後在文件中輸入以下兩行內容：
blacklist nouveau
options nouveau modeset=0
然後按ESC鍵退出編輯模式，在鍵盤上摁下“ :wq ”這三個鍵再回車，就保存並退出了。
b、然後在終端輸入執行：
sudo update-initramfs -u
之後重啓電腦
c、重啓後在終端執行：
lsmod | grep nouveau
或者
lspci | grep -i nouveau
若終端無內容輸出了，則禁用成功，若仍有內容輸出，請檢查上述操作，可以百度一下尋求解決。
注：vi是Linux終端下或控制檯下常用的編輯器，要用vi打開一個文件，就輸入：
vi /路徑/文件名 （例如：終端輸入 vi /etc/fstab 就會顯示/etc/fstab文件裏的內容）
基本操作：
- 使用鍵盤上的Page Up和Page Down鍵可以上下翻頁；
- 按下Insert鍵，可以見到窗口左下角有“Insert”字樣，表示當前爲插入編輯狀態，這時從鍵盤輸入的內容將插入到光標位置；
- 再按下Insert鍵，左下角將有“Replace”字樣，表示當前爲替換編輯狀態，這時從鍵盤輸入的內容將替換光標位置的內容。
- 編輯完內容後，按下Esc鍵，並輸入“:wq”，然後回車就可以保存退出。
- 如果不想保存而直接退出，則按下Esc鍵後，輸入“:q!”，然後回車即可。“wq”表示Write和Quit，即保存退出；“q!”表示忽略修改強行退出。
6）重啓電腦，進入登錄界面的時候，不要登錄進入桌面(否則可能會失敗，若不小心進入，請重啓電腦)，直接按Ctrl+Alt+F1進入文本模式（命令行界面），然後登錄賬戶。
登陸後輸入：sudo service lightdm stop
以此來關閉圖形化界面，然後切換到cuda安裝文件的路徑：例如我的cuda在下載文件夾裏所以我要輸入：
cd Downloads
然後輸入（根據cuda版本不同自行修改）：sudo sh cuda_10.0.130_410.48_linux.run
開始安裝，按提示一步步操作，按住回車看完聲明。按照提示輸入相應字符，例如有的需要輸入accept，有的需要輸入yes。
注意：（1）遇到提示是否安裝openGL ，選擇no（如果你的電腦跟我一樣是雙顯，且主顯是非NVIDIA的GPU在工作，需要選擇no），其他都選擇yes或者默認即可。（如果您的電腦是雙顯卡且在這一步選擇了yes，那麼你極有可能安裝完CUDA之後，重啓圖形化界面後遇到登錄界面循環問題：輸入密碼後又跳回密碼輸入界面。這是因爲你的電腦是雙顯，而且用來顯示的那塊GPU不是NVIDIA，則OpenGL Libraries就不應該安裝，否則你正在使用的那塊GPU（非NVIDIA的GPU）的OpenGL Libraries會被覆蓋，然後GUI就無法工作了。）（2）要不要再裝driver，記得選No。（3）另外cuda samples我也沒有裝。
安裝成功後，會顯示installed，否則會顯示failed。
7）重新啓動圖形化界面，輸入 ：
sudo service lightdm start
如果沒反應，需要同時按住Alt + ctrl +F7，返回到圖形化登錄界面，輸入密碼登錄。
如果能夠成功登錄，則表示不會遇到循環登錄的問題，基本說明CUDA的安裝成功了。
8）重啓電腦，檢查Device Node Verification。
執行 ls /dev/nvidia* 可能出現a、b兩種結果，請對號入座。
a、若結果顯示
/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm
------------------------這部分我沒有出現-------------------------------------------------------------------
或顯示出類似的信息，應該有三個（包含一個類似/dev/nvidia-nvm的），則安裝成功。
b、大多數結果可能會是這樣
ls: cannot access/dev/nvidia*: No such file or directory
或是這樣的，只出現 /dev/nvidia0 /dev/nvidiactl
但沒有/dev/nvidia-num，即文件顯示不全。
我的解決方法參考了一篇博客，找到文件夾
/usr/local/cuda/samples/1_Utilities/deviceQuery，進去以後有個deviceQuery.cpp， make一下（在文件夾啓動終端，輸入sudo make），然後
./deviceQuery
這樣你再查看
ls -la /dev | grep nvidia
就會發現有三個啦。
-----------------------------------------------------------------------------------------------------------------
8）設置環境變量
終端中輸入：
sudo gedit /etc/profile
在打開的文件末尾，複製添加以下兩行：
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
（這是64位系統的，32位系統自行百度）
保存文件，並重啓。因爲source /etc/profile是臨時生效，重啓電腦纔是永久生效。
到這裏安裝應該就成功了，後面是一些驗證的工作，其實一般不用驗證。
9）重啓電腦，然後檢查上述的環境變量是否設置成功
a、 驗證驅動版本
敲入：cat /proc/driver/nvidia/version
結果顯示
NVRM version: NVIDIA UNIX x86_64 Kernel Module 420
GCC version: gcc version 5.4.0 20160609 (Ubuntu 5.4.0-6ubuntu1~16.04.5)
b、 驗證CUDA Toolkit
敲入：nvcc -V
會輸出CUDA的版本信息。
如果是這樣的：
The program 'nvcc' is currently not installed. You can install it by typing:
sudo apt-get install nvidia-cuda-toolkit
可能是環境配置沒有成功，請重複上述步驟8。
最後查看cuda版本：cat /usr/local/cuda/version.txt
3. 安裝CUDNN
參考官網步驟：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/
- Navigate to your <cudnnpath> directory containing cuDNN Debian file.
- 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
驗證前注意重啓，如果裝cuda9，驗證的時候會出錯Cublas failure，換成cuda10就好了。
4. Anaconda-python3.6
5. Tensorflow-gpu 1.13.1
pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
6. 關於gcc版本：
切換gcc版本參考: https://www.cnblogs.com/uestc-mm/p/7511063.html
改變優先級： sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 100 （100代表優先級）
選擇可選版本：sudo update-alternatives --config gcc
查看當前gcc版本：gcc --version
最後附上一個版本對應：