电脑换了华硕新主板，需要重装系统，用的Ubuntu18.04的系统，电脑用的显卡是GTX1080Ti。在新系统中装显卡驱动过程中遇到很多坑，中间无奈搞乱环境又重装了一次系统，再次尝试，终于成功。整个过程失败次数很多，参考的教程感觉自己步步都做对了，但是最后就是不能成功运行。配置系统这种事情确实比较麻烦，心态要对，遇到问题上网搜索方法，最终总归都能解决。
接下来接讲讲我装NVIDIA驱动到装tensorflow-gpu和pytorch的方法，大家硬件和系统都有所区别，不能保证我的方法你不一定能成功，但是希望能值的大家借鉴。
不得不说，我所使用的方法大部分都是参考其他无私博主的贡献，主要参考的这篇博客 。
先说一句，Python我是用的是 Anaconda3-5.2.0-Linux-x86_64.sh，因为这里对应的是Python3.6。最新版的Anaconda对应的是Python3.7，但是Python3.7目前为止还不能兼容tensorflow，所以请不要下载最新版本的Anaconda。
推荐大家使用anaconda来代替原版python，它预置了很多数据分析相关的包，包括scipy和matplotlib等，这些模块你自己安装可能会出现很多问题。
另外，自带的conda安装python包会方便很多，因为它针对数据分析相关模块做了很多优化，会检测并自动安装环境，很多方便的功能是pip做不到的。
包括之后的cuda、cudnn安装都是根据系统环境安装的，比自己手动装靠谱的多，不容易出错。
装NVIDIA驱动
首先，系统最好是新系统，NVIDIA驱动所需的依赖比较多，而且对版本都有要求，否则会产生各种报错。
官网下载NVIDIA驱动，下载地址：/Download/index.aspx?lang=cn
这里选择好第一项产品类型后，需要等一会才能加载后面的选项，网络不好的话更需要耐心等待。
截止到发文.12.26，我下载的版本是NVIDIA-Linux-x86_64-410.78.run，等待下载过程中，可以先进行下一步。
安装依赖：
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev libfreeimage3 libfreeimage-dev
以上步骤均完成后，继续。
# 卸载干净已安装的NVIDIA驱动sudo apt-get remove --purge nvidia*# 下面run文件名称换成你的sudo chmod 777 NVIDIA-Linux-x86_64-410.78.run
禁用nouveau驱动（十分重要）：
sudo vim /etc/modprobe.d/blacklist.conf
文本最后添加以下内容：
blacklist nouveauoptions nouveau modeset=0
使用命令行使其生效：
sudo update-initramfs -u
重启电脑使其生效。
sudo reboot
参考的博客，博主说重启后分辨率可能会发生变化，安装完NVIDIA驱动后会恢复，但这里我并没有出现分辨率变化的情况。
lsmod | grep nouveau#如果屏幕没有输出则禁用nouveau成功
到这里，安装NVIDIA驱动的前期工作已完成，接下来进行安装。
# 安装，后面参数非常重要sudo ./NVIDIA-Linux-x86_64-390.48.run -no-opengl-files -no-nouveau-check
参考的博文中此处有-no-x-checks参数，但是 由于我的版本和他的不一样，我的版本没有这个参数，所以没有添加。如果是他的版本，可以加上这个参数。
运行显示当前显卡的状态，
#列出GPU信息列表nvidia-smi
如果出现下图，则说明安装成功。如果报错，则说明安装失败，请搜索其他安装驱动的方法。
这里还有Nvidia-settings命令可以弹出设置，但是这个命令我是运行失败的，不过不影响接下来的安装，可以忽略。
如果之前出现分辨率变化的情况，这里安装成功后会还原。
以上步骤完成后，NVIDIA驱动就安装成功了，如果你不需要装tensorflow-gpu等东西，可以继续参考上面引用的博文中内容继续安装cuda、cudnn。
但是如果你需要安装tensorflow-gpu和pytorch，请先别安装cuda、cudnn，按照下面步骤完成安装。
装tensorflow-gpu
上面已经讲过，python使用的是Anaconda，Anaconda3-5.2.0为Python3.6，tensorflow需使用python3.6。
安装软件，
sh Anaconda3-5.2.0-Linux-x86_64.sh
Anaconda官网下载软件特别慢，可以使用清华源下载，具体的下载地址和下载后的初步配置，比如怎么提高包的下载速度，请参考我的这篇文章：conda和pip常用方法，更换源，包的安装、更新、删除、查看。
# 更新condaconda update conda# 安装tensorflow-gpuconda install tensorflow-gpu
使用上面conda命令安装，会检测系统环境，自动下载cuda toolkit和cudnn，所以这里无需再手动安装。
我自动安装的版本是cudatoolkit 8.0和cudnn 6.0.21。使用下面命令查看你安装的版本，
conda list | grep "cudatoolkit"conda list | grep "cudnn"
进入python shell，运行下面命令，没有报错即安装成功。
import tensorflow as tfhello = tf.constant('hello, Tensorflow!')sess = tf.Session()print(sess.run(hello))
会出现很多日志信息，但如果能正常输出print内容，没有出现error应该都没有问题。
上面的命令不要退出，新打开窗口后运行nvidia-smi，如果出现刚才运行的python则代表GPU使用正常。
装pytorch
打开pytorch官方网站， /get-started/locally/ ，根据自己上面查到的cuda版本决定下载的命令。
运行给出的推荐命令即可。
# cuda 8.0conda install pytorch torchvision cuda80 -c pytorch# cuda 9.0conda install pytorch torchvision -c pytorch
安装完成后，使用下面命令测试是否成功安装，并且是否使用了GPU。
import torchprint(torch.cuda.is_available())
如果返回的是1，则说明正确安装并且使用了GPU。
