1.close nouveau
終端輸入：sudo gedit /etc/modprobe.d/blacklist.conf
末尾加兩行
blacklist nouveau
options nouveau modeset=0
然后保存
之后運行這行命令
sudo update-initramfs -u
重啟，然后運行：
lsmod | grep nouveau
結果應該不會顯示任何東西
2.Install NVIDIA Driver
查看顯卡型號和推薦的顯卡驅動（顯卡驅動的版本直接就決定了cuda的版本，而cuda版本也就決定了cudnn和tensorflow的版本，所以顯卡驅動務必安裝正確）
ubuntu-drivers devices
安裝驅動，方式一（取決於下載速度，通常會很慢）：
# 將系統中存在的nvidia驅動全部卸載掉（如果有的話）
sudo apt-get purge nvidia*
# 添加ppa源並更新
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
# 安裝nvidia-390版本
sudo apt-get install nvidia-390
方式二：打開 Software & Updates ,點擊”Additional Drivers” ，選擇第一個選項Using NVIDIA driver metapackage from nvidia-driver-390（這種方式 取決於下載速度，通常會很慢）
方式三：從官網下載驅動文件NVIDIA-Linux-x86_64-390.116.run，然后手動安裝（主要安裝驅動需要gcc-7，和make）
sudo apt install gcc
sudo apt install g++
sudo apt install make
sudo chmod +x NVIDIA-Linux-x86_64-390.116.run
sudo ./NVIDIA-Linux-x86_64-390.116.run -no-nouveau-check -no-opengl-files
-no-nouveau-check：安裝驅動時禁用nouveau
-no-opengl-files：只安裝驅動文件，不安裝OpenGL文件
測試是否安裝成功
nvidia-smi
3.Install CUDA9.0
降級gcc，由於cuda-9.0只支持gcc-6.0以下的版本，而Ubuntu18.04系統默認安裝的gcc-7.3版本，所以需要降級為gcc-5，
sudo apt install gcc-5
sudo apt install g++-5
轉至/usr/bin/ 目錄下，創建軟鏈接至gcc-5版本
sudo mv gcc gcc.bak #備份
sudo ln -s gcc-5 gcc
sudo mv g++ g++.bak
sudo ln -s g++-5 g++
下載run file (cuda_9.0.176_384.81_linux.run)
sudo chmod +x cuda_9.0.176_384.81_linux.run
sudo ./cuda_9.0.176_384.81_linux.run –override
注意：
-
--override is necessary.
-
When installing, it will ask you whether install driver either. Answer NO because you have install it earlier!
4.Install cudnn7
tar -xzvf cudnn-9.0-linux-x64-v7.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
修改環境變量
sudo vi ~/.bashrc
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda
更新系統環境變量
source /etc/profile
檢查cuda的安裝結果：nvcc -V
5. Install tensorflow
由於安裝的是cuda9.0，選擇tensorflow_gpu-1.5.0-cp36-cp36m-linux_x86_64.whl，最新版本的tensorflow-gpu與cuda9.0不兼容
先安裝 Anaconda3：
下載地址：https://www.anaconda.com/download/
根據系統選擇對應的安裝包（
下載完成后，cd到存放目錄並執行： bash Anaconda3-xxxx.sh #xxxx此處對應自己的包
按照提示安裝即可，安裝路徑可以選擇默認。
安裝完之后執行：
source ~/.bashrc
檢查是否安裝成功
終端執行：conda list
若提示命令無法找到，則修改.profile文件：
sudo gedit ~/.profile
添加以下幾行：
if [ -d "$HOME/anaconda3/bin" ] ; then
PATH="$HOME/anaconda3/bin:$PATH"fi
使生效：
source ～/.profile
創建tensorflow環境
conda create -n tensorflow pip python=3.6 #python版本根據要安裝的tensorflow選擇
激活環境：
source activate tensorflow
安裝tensorflow：
pip install tensorflow_gpu-1.5.0-cp36-cp36m-linux_x86_64.whl
安裝過程中會下載其他的依賴包，下載可能會很慢，可以先把相關依賴包安裝完，再安裝tensorflow。
例如，pip install numpy -i http://pypi.douban.com/simple/
鏡像源：
清華：https://pypi.tuna.tsinghua.edu.cn/simple
阿里雲：http://mirrors.aliyun.com/pypi/simple/
中國科技大學 https://pypi.mirrors.ustc.edu.cn/simple/
華中理工大學：http://pypi.hustunique.com/
山東理工大學：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/
若需要安裝Keras，則tensorflow1.5.0版本對應的Keras版本為2.1.4
可直接 pip install keras==2.1.4進行安裝，此時keras后端是tensorflow，如需要將后端改為Theano，則需要安裝Theano，然后修改Keras的配置文件
pip install Theano
配置：
將“tensorflow”修改為“theano”
驗證安裝
終端輸入：python
然后輸入以下代碼：
import tensorflow as tf
import keras
import theano
沒有錯誤就可以了。
創建pytorch環境
conda create -n pytorch pip python=3.6
激活環境：
source activate pytorch
安裝numpy
pip install numpy
安裝pytorch：
由於直接在線下載安裝很慢，所以需要先把torch-1.0.0-cp36-cp36m-linux_x86_64.whl文件下載下來，然后離線安裝
pip install torch-1.0.0-cp36-cp36m-linux_x86_64.whl