前言
本篇更新于2019-11-29
最近无奈重装了电脑，原来构建好的环境也没了，又要折腾一阵。但是时过境迁，这篇所写的一些方法却不好使了。无奈只好重新Google摸索。
更新主要有一下几点：
- 更换了所使用的Ubuntu镜像，使用Ubuntu_18.04.3
- 改变了制作镜像的方法
- 改变了解决安装Ubuntu时卡死的方法，原来的方法不好用了，可能跟镜像版本有关
- 使用了更高版本的Nvidia驱动
- 对于CUDA和cuDNN的安装方法并没有更新，但是其安装方法并不会变化太大
- 由于Tensorflow已经更新到2.0版本，建议使用新版本的Tensorflow，最后验证环境安装成功的方法也是基于Tensorflow2.0
以下是修改后的原文：
本篇写于2019-4-25
这两天装Ubuntu18.04双系统简直装到崩溃。一是非常著名的开机卡死在Logo界面的问题，另一个是在装Nvidia驱动和CUDA的时候，更是费心。而网上的资料又良莠不齐，走了不少弯路。于是做个总结，方便以后的自己，也方便别人。
首先：我的机器是戴尔灵越5577，以下方案不一定适合您的机器，操作失败还请自行百度解决，并且安装所CUDA和cuDNN版本请务必参照官网配置
装机
镜像是在Ububtu官网下载的镜像，这没有什么异议。启动盘制作方面我选择rufus，小巧免费好用，并且非常适合制作Linux启动盘。
选好U盘选好镜像后就可以制作了，制作启动盘的选项如下：
制作完成后，关闭rufus就可以了，带着U盘，重新启动。
进入U盘引导（不同品牌的电脑有不同的方式，Dell是按F12选择启动方式），进入grub界面。
为防止开机开在Logo，选中Install Ubuntu，然后按e编辑。在splash后面加上acpi=off，注意前后留一个空格。然后按F10即可正常安装启动了。关于acpi=off具体含义，可以参考这里
我的分区方式如下，共分给Linux 20G：
| 目录 | 大小 | |
|---|---|---|
| / | 19G | 主分区 |
| swap | 1G | 主分区 |
装完后，会显示重新启动，点击重新启动后，我还是在这里卡住了。按住电源键不放，强制关机后。再开机后却没有问题了。
但是有的博主也说这个方法会使得装好后的Ubuntu出现诸如键盘灯不亮，触摸板不能用的情况，还要再在grub的配置里把acpi=off去除，但是当我准备去去除的时候却发现grub的配置并没有acpi=off的配置，所以便跳过了这一步。如果你的电脑出现此类情况的话请参考这里
安装驱动
这里有很多教程说是通过sudo ubuntu-drivers autoinstall这个方法安装的，但是就我亲身经历而言，并不好使，这里安装驱动是没问题的，但是后来在安装CUDA的时候会遇到各种各样的问题。
这里的建议是，去Nvidia的官网选择一个适合你的显卡的驱动（我选的最新的），下载好备用。
在装驱动之前，先将nouveau加入黑名单：
sudo vim /etc/modprobe.d/blacklist.conf
在末尾加上一行blacklist nouveau，保存退出并重启。
接下来按CTRL+ALT+F2，进入纯字符界面，以root身份登入，开始安装显卡驱动。首先进入刚才下好的驱动所在的目录，执行
chmod 777 ./NVIDIA-Linux-x86_64-xxx.xx.run
./NVIDIA-Linux-x86_64-xxx.xx.run –no-opengl-files # 后面的参数可选
对于第二行的
–no-opengl-files参数可选，有的博主遇到安装驱动后在登陆界面循环登录的情况，加了该参数后解决，但是我并没有加也没有问题，可能是新版本的驱动已经解决了这个问题
然后一路确定，完成后重启系统，进入BIOS（戴尔是按F2，其他电脑型号请自行查找资料），关掉secure boot，设置为disable，关掉后保存重启。这里一定要关掉，不然开机后是没法用刚才装的Nvidia驱动的。
启动后在控制台输入nvidia-smi，若没有报错则证明安装成功。我安装完后如下：
安装CUDA
接下来，我们安装CUDA，我这里使用的是CUDA10.0，因为目前tensorflow已经可以使用CUDA10了，也就不挑旧版本安装了。
到Nvidia官网上找到CUDA10.0的下载链接，Nvidia给出的默认的CUDA的下载链接是CUDA10.1，因为我没试验过，所以不知道可不可以用，你可以自行决定。
依次选择 Linux -> x86_64 -> Ubuntu -> 18.04 -> runfile(local)，选好后选择Base Install开始下载。
下好后，找到CUDA安装包所在的位置，在控制台输入
sudo sh ./cuda_10.0.130_410.48_linux.run
然后等待一会后，会出来安装协议，按住空格键快速看完。然后选择安装选项：
- 第一项，选择accept接受。
- 第二项，询问你是否安装CUDA中带的显卡驱动，由于我们前面已经安装了驱动，所以不安装，选n
- 剩下的，能选y的选y，能Enter的Enter就好。
装好后，在~/.bashrc最后 添加环境变量，保存后退出
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64
export PATH=$PATH:/usr/local/cuda-10.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0
测试一下：
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
若最后一行的结果为Result = PASS，说明安装成功。
安装cuDNN
最后，去官网找对应版本的cuDNN，这里我选择的是7.5（7.4也是可以的），下载（这里需要登陆Nvidia才可以）
将下载好的压缩包解压，一般解压出来的目录为cuda，拷贝到CUDA中
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
最后
至此，CUDA已安装完成，装个gpu版本的tensorflow试试（你也可以先使用virtualenv创建个虚拟环境再安装）
pip3 install tensorflow-gpu # 这里pip3需要手动下载，并且默认装TensorFlow2.0
装好后，进入python交互环境
>>> import tensorflow as tf
>>> tf.test.is_gpu_available()
执行后，会有日志打印，若最后显示True，即证明安装成功。
参考：