nvidia-smi
![]()
二、驱动安装成功后安装anaconda
1.先去官网下载对应的anaconda（.sh文件）
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
2.打开terminal，bash运行.sh文件（如：bash Anaconda3-5.2.0-Linux-x86_64.sh） 3.一路回车yes，直到安装成功（安装完成会自动把anaconda加入环境变量，成为默认python解释器） 注意：若在终端输入 python，仍然显示Ubuntu自带的python版本，执行：
sudo gedit ~/.bashrc export PATH="/home/hjl/anaconda3/bin:$PATH" source ~/.bashrc
三、创建conda沙盒的虚拟环境
查看所有环境：conda info --envs 新建虚拟环境：conda create -n your_env_name python=X.X 激活进入安装的沙盒环境：source activate your_env_name 退出沙盒环境：source deactivate 删除虚拟环境：conda remove -n your_env_name --all
创建conda沙盒环境时默认安装的库
PS：conda创建的虚拟环境默认在隐藏文件夹.conda下的envs文件夹下
四、安装TensorFlow
conda install tensorflow-gpu==1.8
tensorflow-gpu，cudnn，cuda的版本对应关系
tensorflow-gpu测试代码
五、安装keras
conda install keras-gpu
六、安装pytorch
conda install pytorch
七、安装opencv-python
pip install opencv-python
八、安装docker
1.清除之前安装的docker（首次安装无需执行该步骤）
sudo apt-get remove docker docker-engine docker.io
2.更新系统软件
sudo apt-get update
3.安装依赖包
sudo apt-get install apt-transport-https ca-certificates curl software-properties-common
4.添加官方秘钥
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
5.添加仓库
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
6.再次更新软件
sudo apt-get update
7.安装docker（可指定版本，不指定默认安装最新版本）
sudo apt-get install docker-ce=<VERSION>
九、安装nvidia-docker2
前提：安装nvidia-docker2之前必须先安装docker，如果之前安装了nvidia-docker1：需要删除它和所有现有的GPU容器 ，命令如下：
docker volume ls -q -f driver = nvidia-docker | xargs -r -I {} -n1 docker ps - q -a -f volume = {} | xargs -r docker rm -f
sudo apt-get purge -y nvidia-docker
1.更新源，添加软件包存储库
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - distribution = $（ ./ etc / os-release ; echo $ ID $ VERSION_ID ） curl -s -L https://nvidia.github.io/nvidia-docker/ $ distribution /nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update
2.安装nvidia-docker2并重新加载Docker守护程序配置
sudo apt-get install -y nvidia-docker2 sudo pkill -SIGHUP dockerd
3.测试nvidia-docker是否安装成功（如果出现gpu信息，则表明安装成功）
sudo nvidia-docker run --rm nvidia/cuda:8.0-devel nvidia-smi