ubuntu 18.04 安装tensorflow 2 cuda10 CUDNN Anaconda3

1.nvidia 驱动
a.卸载系统里低版本的英伟达驱动
sudo apt-get purge nvidia*
b.把显卡驱动加入PPA
sudo add-apt-repository ppa:graphics-drivers
sudo apt-get update
c.查找英伟达显卡驱动最新版本号
sudo apt-cache search nvidia
d.使用终端命令查看Ubuntu推荐的驱动版
ubuntu-drivers devices
e.然后打开系统里的 软件和更新==>点击附加驱动==>选择推荐的驱动版本nvidia-driver-440==>点击应用更改。
f.重启电脑，命令后输入：nvidia-smi 看到显卡信息，表明显卡驱动安装成功
nvidia-smi

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.82 Driver Version: 440.82 CUDA Version: 10.2 |
|-------------------------------+----------------------+----------------------+
| 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 106... Off | 00000000:03:00.0 On | N/A |
| 21% 42C P0 23W / 130W | 247MiB / 5057MiB | 0% Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 1211 G /usr/lib/xorg/Xorg 18MiB |
| 0 1267 G /usr/bin/gnome-shell 47MiB |
| 0 1536 G /usr/lib/xorg/Xorg 90MiB |
| 0 1673 G /usr/bin/gnome-shell 87MiB |

2.卸载cuda10
sudo apt-get --purge remove cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48
sudo apt-get --purge remove cuda-*-10-0

3.安装cuda10

sudo sh cuda_10.0.130_410.48_linux.run

先阅读协议一直按enter，读完后 按 accept 之后如果nvidia-smi 能看到gpu信息就是
已经安装了驱动，在 accelerated Driver for 选n 否则选y
最后一直按y 直到安装成功

配置环境变量：
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存退存：
source ~/.bashrc

STEP4：测试是否安装成功

上面的选项选择安装了CUDA例子，运行其中一个来测试是否安装成功：

cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
结果如下就表明成功啦
Result = PASS

4.安装CUDNN
.解压cudnn压缩包cudnn-10.0-linux-x64-v7.5.0.56.tgz，进入到解压目录执行
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
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

在终端查看CUDNN版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

5.安装aconda,下载 最新的 ancanda linux 版本 sh安装文件
a.执行bash Anaconda3-2019.03-Linux-x86_64.sh 一路回车yes
b.执行
sudo gedit ~/.bashrc
export PATH="/home/wtc/anaconda3/bin:$PATH"
切换which python 看到用anaconda3 的python 而不是 ubuntu系统默认的python
wtc@wts-desktop:~$ which python
/home/wtc/anaconda3/bin/python
c.执行 conda --version 看到conda版本信息说明安装成功
wtc@wts-desktop:~$ conda --version
conda 4.8.2

6.安装tensorflow 2.0
a.建立一个新环境在Terminal中输入如下命令（我给环境起名叫tf20）
conda activate tf20

b. 激活此环境
conda activate tf20

c.添加清华源为下载源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

d.卸载 pip uninstall tensorflow-gpu
不加版本号“==2.1.0”就默认下载最新版本，不加“-gpu”就下载cpu版
（注意不需要添加conda源）

首先执行如下几条命令更换清华镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes

用：conda install tensorflow-gpu
会提示你安装一大堆的依赖包。这挺好的，能够保证兼容。

f. 测试是否安装成功
在tf20环境下输入python
则进入python状态，输入下列指令

import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version," use GPU",gpu_ok)
输出：tf version:'2.1.0' use GPU TRUE
表示tensroflow 安装成功

查看目前安装的环境：
conda info --envs
b. 激活此环境
conda activate tf20
接着安装ipython，安装jupyter。
安装完成后在打开jupyter notebook 运行