nvidia-smi
二、驅動安裝成功后安裝anaconda
1.先去官網下載對應的anaconda（.sh文件）
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
2.打開terminal，bash運行.sh文件（如：bash Anaconda3-5.2.0-Linux-x86_64.sh） 3.一路回車yes，直到安裝成功（安裝完成會自動把anaconda加入環境變量，成為默認python解釋器） 注意：若在終端輸入 python，仍然顯示Ubuntu自帶的python版本，執行：
sudo gedit ~/.bashrc export PATH="/home/hjl/anaconda3/bin:$PATH" source ~/.bashrc
三、創建conda沙盒的虛擬環境
查看所有環境：conda info --envs 新建虛擬環境：conda create -n your_env_name python=X.X 激活進入安裝的沙盒環境：source activate your_env_name 退出沙盒環境：source deactivate 刪除虛擬環境：conda remove -n your_env_name --all
創建conda沙盒環境時默認安裝的庫
PS：conda創建的虛擬環境默認在隱藏文件夾.conda下的envs文件夾下
四、安裝TensorFlow
conda install tensorflow-gpu==1.8
tensorflow-gpu，cudnn，cuda的版本對應關系
tensorflow-gpu測試代碼
五、安裝keras
conda install keras-gpu
六、安裝pytorch
conda install pytorch
七、安裝opencv-python
pip install opencv-python
八、安裝docker
1.清除之前安裝的docker（首次安裝無需執行該步驟）
sudo apt-get remove docker docker-engine docker.io
2.更新系統軟件
sudo apt-get update
3.安裝依賴包
sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ software-properties-common
4.添加官方秘鑰
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
5.添加倉庫
sudo add-apt-repository \ "deb [arch=amd64] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) \ stable"
6.再次更新軟件
sudo apt-get update
7.安裝docker（可指定版本，不指定默認安裝最新版本）
sudo apt-get install docker-ce=<VERSION>
九、安裝nvidia-docker2
前提：安裝nvidia-docker2之前必須先安裝docker，如果之前安裝了nvidia-docker1：需要刪除它和所有現有的GPU容器 ，命令如下：
docker volume ls -q -f driver = nvidia-docker | xargs -r -I {} -n1 docker ps - q -a -f volume = {} | xargs -r docker rm -f
sudo apt-get purge -y nvidia-docker
1.更新源，添加軟件包存儲庫
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \ sudo apt-key add - distribution = $（ ./ etc / os-release ; echo $ ID $ VERSION_ID ） curl -s -L https://nvidia.github.io/nvidia-docker/ $ distribution /nvidia-docker.list | \ sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update
2.安裝nvidia-docker2並重新加載Docker守護程序配置
sudo apt-get install -y nvidia-docker2 sudo pkill -SIGHUP dockerd
3.測試nvidia-docker是否安裝成功（如果出現gpu信息，則表明安裝成功）
sudo nvidia-docker run --rm nvidia/cuda:8.0-devel nvidia-smi
