Debian系列操作系统安装CUDA+CUDNN+TensorFlow+Pytorch深度学习环境

1. 简介

在实验室中,很多同学出现了设备环境中各式各样的NVIDIA显卡加速环境的问题，在最近笔者也正在做一些项目，但是都不同程度遇到了一些比较棘手的环境问题，所以以这篇文章来说明一下较为合理的环境配置方案。这里笔者选择的操作系统是国产操作系统Deepin，至于其他Debian系列的操作系统，安装过程是类似的。

2. 安装显卡驱动

软件源驱动程序安装方法
这里强烈建议安装操作系统源上的驱动程序，因为每当系统更新的时候，源上的显卡驱动是按照本身发型版本的依赖关系来进行安装的，所以有比较好的兼容性。输入以下的命令就可以查看源上的闭源NVIDIA显卡驱动的版本号是什么样的：

apt-cache madison nvidia-driver

这里会显示出显卡驱动版本号。
对于上述的深度学习环境，我们选择不必要太新的，一般情况下选择显卡驱动版本在440.x $\sim$ 470.x版本较为恰当，有些操作系统(例如Deepin)在安装的时候就会提示是否安装Deepin闭源显卡驱动程序，但是这些预安装显卡驱动程序并不能达到我们的要求，因保证系统的稳定性，一般选择较为老旧的显卡驱动作为操作系统的显卡驱动程序(390.x)，这样并不能更好地配置深度学习环境。
下一步则是安装源上的驱动程序(以deepin V20.5为例)

sudo apt install nvidia-driver-bin # for deepin

对于ubuntu系统可以用以下的命令对源上的程序进行查询处理

ubuntu-drivers device

这样就可以列举出对应的驱动程序，安装对应的驱动程序即可

sudo apt install nvidia-drivers-470

官网下载程序安装方法

另外，当然也可以选择从官网下