ubuntu16.04下cuda8.0，cuda9.0，cuda9.2，cuda10.0，cudnn，tensorflow，pytorch的安装

最近实验室新到了服务器，需要装了下cuda的环境，并且希望能将各个环境都装上，为了之后的使用，下面是这两天踩到的一些坑。

1. 安装驱动

在安装cuda和cudnn之前需要首先安装显卡驱动，搜索英伟达显卡驱动：nvidia driver download，然后进入官网，选择对应的显卡和系统类型：

然后选择search进行下载，下载完成之后需要加上执行权限：
chmod +x NVIDIA-Linux-x86_64-430.26.run
然后执行：
sudo ./NVIDIA-Linux-x86_64-430.26.run
这里需要注意，因为高版本显卡驱动是对低版本兼容的，而有的版本的cuda需要比较高的显卡驱动，基本对应关系如下表：

所以如果我们为了之后可以随意更换其他版本的cuda，我们这里应该安装尽可能高版本的显卡驱动，所以我这里选择的是430.26这样的高版本驱动。
驱动安装完成之后可以输入nvidia-smi查看是否正常：

2 .cuda下载

这里先说一下一种比较常见也是比较简单的装cuda的方式：

如图中所示，选择runtime(local)的方式进行下载，这种方式是最简单的，下载完成之后和之前一样的操作：
chmod +x cuda_9.0.176_384.81_linux.run
sudo ./cuda_9.0.176_384.81_linux.run
然后就会有一些选项，其中注意不用安装驱动了，然后Samples也可以不用安装，而cuda的安装位置就使用默认的/usr/local/。然后还有一个是否简历软链接的选项，如果选择是也就是在/usr/local/下创建一个cuda文件夹相当于cuda-9.0，选择与否都行，不过如果没选择，你的环境变量添加的cuda位置就是/usr/local/cuda-9.0，这个不要搞错了。

3. cudnn的安装

cudnn的安装也很简单，进入cudnn下载官网，这里cudnn的下载需要在官网上进行登陆，如果没有账号的同学需要登陆一下，然后找到对应的cuda版本：

cudnn版本倒是无所谓，然后最简便的方法就是下载cuDNN Library for Linux。

这里下载下来之后是cudnn-9.0-linux-x64-v7.6.0.64.solitairetheme8，我们需要将它重命名为tgz文件：
mv cudnn-9.0-linux-x64-v7.6.0.64.solitairetheme8 cudnn-9.0-linux-x64-v7.6.0.64.tgz，
然