Ubuntu18.04.2LTS+RTX2080+tensorflow1.13.1安装步骤

系统与软件版本：

1. 安装RTX 2080 显卡驱动

1. 打开软件和更新，将系统的源更改为国内的源。这里选择阿里云的源。
   在’Ubuntu Software’页面的’Download from’ 的下拉列表中选择’other’，然后选择下图的阿里云源。
   
2. 以免新版本的415和418驱动造成不必要的麻烦，这里选择版本为410的驱动
   
3. 测试驱动是否安装成功
   输入以下指令，出现下图则表明驱动安装成功。

nvidia-smi

2. 安装CUDA 10.0

CUDA 10.0 下载网址。按照下图选择相应的版本，下载deb。

1. 进入含有CUDA安装包cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb的目录’gpu_environment_installlocation’，执行以下命令：

sudo apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub 
sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

2. 查看CUDA 10.0 是否安装成功：

cat /usr/local/cuda/version.txt

3. 安装cuDNN

1. 选择适合CUDA 10.0 版本的 cuDNN ，下载地址，分别下载下图三个文件。
   
2. 进入含有cuDNN v7.5.0 for CUDA 10.0的三个文件的目录’gpu_environment_installlocation’，执行以下命令安装：

sudo dpkg -i libcudnn7_7.5.0.56-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.5.0.56-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.5.0.56-1+cuda10.0_amd64.deb

3. 验证cuDNN v7.5.0 for CUDA 10.0是否安装成功

# 使用如下命令将示例代码复制到当前用户目录，编译并运行其中的一个示例程序mnistCUDNN
cp -r /usr/src/cudnn_samples_v7/ ~
cd ~/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

4. 安装Anaconda

这里选用的是python3.7 的 anaconda

bash Anaconda3-2018.12-Linux-x86_64.sh.sh

# 找到anaconda3安装路径的bin文件路径，执行以下命令，使得能识别conda指令。我的anaconda安装路径为'/home/gpu401/lab/zyz/anaconda3/''
echo 'export PATH="/home/gpu401/lab/zyz/anaconda3/bin:$PATH"'>> ~/.bashrc
source ~/.bashrc

5. 安装tensorflow 1.13.1

pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple