深度学习GPU加速环境配置：Ubuntu16.04+RTX 2080（440）+CUDA10.0+cudnn7.3+Ananconda3+Tensorflow1.13

安装前的准备

首先要明白自己的需求，自己需要跑的代码是tensorflow的什么版本的，因为不同的tensorflow版本需要不同版本的python3支持，需要不同的cuda，配套的cudnn和显卡驱动也不同。

所以首先确定tensorflow版本，然后根据tensorflow版本来确定cuda版本，由cuda版本确定显卡驱动版本和cudnn版本（严格来讲，cuda和显卡驱动不是一一对应的，最新的显卡驱动很多时候是可以向下兼容cuda的，但是不总成立，比如最新的450的驱动标配cuda版本是11.0,就不向下兼容，安装cuda10就不识别。cudnn和cuda也不是一一对应的）。从下表中可见我要想装tensorflow-gpu为1.13版，那么选择的CUDA版本就是CUDA10.0版。

从CUDA版本和驱动的对应表汇中选择合适的显卡驱动，CUDA10.0要求显卡驱动版本大于410.48。

NVIDIA历史版本驱动下载链接
进入链接后选择自己计算机对应的选项，搜索过后，选择版本大于410.48的驱动版本进行下载：Linux x64 (AMD64/EM64T) Display Driver，版本440.10，这个版本初始对应CUDA版就是CUDA10的，点进进行下载（.run格式）。

根据CUDA版本选择对应的cudnn。cuda与cudnn关系查看及cudnn下载。点进链接后，发现对应CUDA10的cudnn版本由cudnn7.6.5，cudnn7.6.3，等等，很多个版本，本文选择cudnn7.3。

至此我们已经确定了要安装各个软件的版本了，分别是Tenserflow_gpu-1.13.0，CUDA10.0，440.10版本的显卡驱动，cudnn7.3。

cudnn的下载需要先注册登录NVIDIA的账号，需要下载4个文件，按从上到下的顺序分别是1个cudnn的安装文件和cudnn的3个测试文件（点击查看大图），文件类型分别是1个.tgz，3个.deb。

CUDA各个版本官方下载链接，在点击对应链接进入下载界面后，根据自身计算机设置进行选项选择，最后的installer Type随便选，那个能下下那个，最下面是安装步骤。

到这里，我们已经下载好显卡驱动（440.10版）、CUDA安装软件（10.0版）和cudnn相关组件（7.3版），下载的默认路径是home/usr_name/Downloads(下载)，usr_name是账户名字。

使用权限命令给3个安装包添加运行权限，不添加的话运行时会产生无权限的报错。filename是被添加权限的运行文件的名字（墙裂建议下载好安装包后把安装包重命名一下，以简化安装时候敲进去的字符数量，例如可把CUDA的安装包重命名为cuda10.run，驱动安装包改为NVIDIA440.run，cudnn安装包改为cudnn7.3.tgz）。

sudo chmod +x filename

filename是安装包的全称。

下面开始安装。

Linux所需命令简介

为了安装的顺利进行，这里简要介绍下本文中所涉及的主要ubuntu命令，大多与文件操作有关。

• 获取管理员权限（需要管理员密码）：sudo，添加到待执行代码前面，并用空格做间隔，例如sudo apt-get install python3==3.6意思就是以管理员权限安装3.6版本的python3。

• 展示当前文件夹中所有条目：ls，输入后终端中列出当前文件夹所有文件名字，并根据格式不同给予不同颜色标注。如蓝色是文件夹，绿色是可执行文件。

• 前往某个文件夹：cd，例如前往当前文件夹下的子文件夹Downloads的代码为：cd Downloads
  或者前往某个绝对路径：cd /home/qt/Downloads
  或者前往上级目录：cd ..