建议：装环境之前，先把自己安装的版本弄清楚，后面出现版本不匹配的问题再重装就会比较烦。
注意tensorflow-gpu-2.0有几处代码改动，在跑faster-rcnn的时候有点问题，所以后面需要把tensorflow-gpu版本改成1.1+的。
我这里的环境是：
Ubuntu16.04+2080ti+Display Driver430.50+cuda10.0+cudnn7+Anaconda(python3.6)+tensorflow-gpu-1.13.1
1. 显卡驱动: 版本430.50，有不同的安装格式，这里我下的是runfile。
安装显卡驱动步骤：
（1）lsmod |grep nouveau，查看到源生的驱动在。如果有就是会出现红色的nouveau，没有就什么都没有。
（2）如果有原生的驱动在，需要禁用自带的 nouveau nvidia驱动 （important！）
-->创建一个文件通过命令 sudo vim /etc/modprobe.d/blacklist-nouveau.conf
--> 按一下 i 进入编辑状态，并添加如下内容：
blacklist nouveau
options nouveau modeset=0
编辑完了：esc--> ：-->wq! （保存并退出）
-->再更新一下
sudo update-initramfs -u
-->修改后需要重启系统。确认下Nouveau是已经被你干掉，使用命令： lsmod | grep nouveau
（3）禁掉lightdm桌面管理器，安装驱动（secure boot disabled）
sudo /etc/init.d/lightdm stop
接下来会变黑好像什么都没有，这时候ctrl+alt+f1(命令行出来了)
（4）然后找到你放run文件的文件夹下：
sudo sh ./NVIDIA-Linux-x86_64-375.20.run –no-opengl-files（这个参数不知道什么用，别人说有用我就加了）
（5）然后这样：sudo /etc/init.d/lightdm start，就可以进入正常的界面了。
安装好了可以查看显卡驱动版本：cat /proc/driver/nvidia/version
2. 安装CUDA10.0
2080ti 似乎和cuda9有问题，再装了cudnn之后跑cudnn_samples报错，后面改成了cuda10之后就成功了。
1）下载cuda:https://developer.nvidia.com/cuda-toolkit-archive ， 我用的是10.0.
cuda安装参考： https://zhuanlan.zhihu.com/p/47330858
2）安装之前验证一下电脑是否已经插上了支持CUDA的GPU，用win+alt+t调出终端，然后输入：
lspci | grep -i nvidia
如果显示出你的NVIDIA GPU版本信息应该就没问题。
3）验证系统是否安装了gcc，在终端中输入：
gcc --version
如果装了结果会显示类似信息：
gcc (Ubuntu 5.4.0-6ubuntu1~16.04.5) 5.4.0
如果没有就自行安装。sudo apt-get install build-essential (Ubuntu默认gcc5.4)
4）验证系统是否安装了kernel header和 package development
a、查看正在运行的系统内核版本：
在终端中输入：
uname --r
结果显示类似就可以：4.10.0-40-generic
b、在终端中输入：
sudo apt-get install linux-headers-$(uname --r)
以安装对应kernel版本的kernel header和package development
结果如果显示：
升级了 0 个软件包，新安装了 0 个软件包，要卸载 0 个软件包，有 4 个软件包未被升级。
则表示系统里已经有了，不用重复安装。
5）禁用 nouveau驱动
终端中运行：
lsmod | grep nouveau
如果有输出则代表nouveau正在加载。需要我们手动禁掉nouveau。
以下是Ubuntu的nouveau禁用方法：
a、我们需要在电脑根目录的/etc/modprobe.d文件夹中创建文件blacklist-nouveau.conf
先用apt-get安装vim编辑器，然后
这需要输入命令：
sudo vi /etc/modprobe.d/blacklist-nouveau.conf
此时会出现一个窗口 （我们利用vi编辑器的指令来编辑和保存文件）
按键盘上的insert键进入输入模式，然后在文件中输入以下两行内容：
blacklist nouveau
options nouveau modeset=0
然后按ESC键退出编辑模式，在键盘上摁下“ :wq ”这三个键再回车，就保存并退出了。
b、然后在终端输入执行：
sudo update-initramfs -u
之后重启电脑
c、重启后在终端执行：
lsmod | grep nouveau
或者
lspci | grep -i nouveau
若终端无内容输出了，则禁用成功，若仍有内容输出，请检查上述操作，可以百度一下寻求解决。
注：vi是Linux终端下或控制台下常用的编辑器，要用vi打开一个文件，就输入：
vi /路径/文件名 （例如：终端输入 vi /etc/fstab 就会显示/etc/fstab文件里的内容）
基本操作：
- 使用键盘上的Page Up和Page Down键可以上下翻页；
- 按下Insert键，可以见到窗口左下角有“Insert”字样，表示当前为插入编辑状态，这时从键盘输入的内容将插入到光标位置；
- 再按下Insert键，左下角将有“Replace”字样，表示当前为替换编辑状态，这时从键盘输入的内容将替换光标位置的内容。
- 编辑完内容后，按下Esc键，并输入“:wq”，然后回车就可以保存退出。
- 如果不想保存而直接退出，则按下Esc键后，输入“:q!”，然后回车即可。“wq”表示Write和Quit，即保存退出；“q!”表示忽略修改强行退出。
6）重启电脑，进入登录界面的时候，不要登录进入桌面(否则可能会失败，若不小心进入，请重启电脑)，直接按Ctrl+Alt+F1进入文本模式（命令行界面），然后登录账户。
登陆后输入：sudo service lightdm stop
以此来关闭图形化界面，然后切换到cuda安装文件的路径：例如我的cuda在下载文件夹里所以我要输入：
cd Downloads
然后输入（根据cuda版本不同自行修改）：sudo sh cuda_10.0.130_410.48_linux.run
开始安装，按提示一步步操作，按住回车看完声明。按照提示输入相应字符，例如有的需要输入accept，有的需要输入yes。
注意：（1）遇到提示是否安装openGL ，选择no（如果你的电脑跟我一样是双显，且主显是非NVIDIA的GPU在工作，需要选择no），其他都选择yes或者默认即可。（如果您的电脑是双显卡且在这一步选择了yes，那么你极有可能安装完CUDA之后，重启图形化界面后遇到登录界面循环问题：输入密码后又跳回密码输入界面。这是因为你的电脑是双显，而且用来显示的那块GPU不是NVIDIA，则OpenGL Libraries就不应该安装，否则你正在使用的那块GPU（非NVIDIA的GPU）的OpenGL Libraries会被覆盖，然后GUI就无法工作了。）（2）要不要再装driver，记得选No。（3）另外cuda samples我也没有装。
安装成功后，会显示installed，否则会显示failed。
7）重新启动图形化界面，输入 ：
sudo service lightdm start
如果没反应，需要同时按住Alt + ctrl +F7，返回到图形化登录界面，输入密码登录。
如果能够成功登录，则表示不会遇到循环登录的问题，基本说明CUDA的安装成功了。
8）重启电脑，检查Device Node Verification。
执行 ls /dev/nvidia* 可能出现a、b两种结果，请对号入座。
a、若结果显示
/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm
------------------------这部分我没有出现-------------------------------------------------------------------
或显示出类似的信息，应该有三个（包含一个类似/dev/nvidia-nvm的），则安装成功。
b、大多数结果可能会是这样
ls: cannot access/dev/nvidia*: No such file or directory
或是这样的，只出现 /dev/nvidia0 /dev/nvidiactl
但没有/dev/nvidia-num，即文件显示不全。
我的解决方法参考了一篇博客，找到文件夹
/usr/local/cuda/samples/1_Utilities/deviceQuery，进去以后有个deviceQuery.cpp， make一下（在文件夹启动终端，输入sudo make），然后
./deviceQuery
这样你再查看
ls -la /dev | grep nvidia
就会发现有三个啦。
-----------------------------------------------------------------------------------------------------------------
8）设置环境变量
终端中输入：
sudo gedit /etc/profile
在打开的文件末尾，复制添加以下两行：
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
（这是64位系统的，32位系统自行百度）
保存文件，并重启。因为source /etc/profile是临时生效，重启电脑才是永久生效。
到这里安装应该就成功了，后面是一些验证的工作，其实一般不用验证。
9）重启电脑，然后检查上述的环境变量是否设置成功
a、 验证驱动版本
敲入：cat /proc/driver/nvidia/version
结果显示
NVRM version: NVIDIA UNIX x86_64 Kernel Module 420
GCC version: gcc version 5.4.0 20160609 (Ubuntu 5.4.0-6ubuntu1~16.04.5)
b、 验证CUDA Toolkit
敲入：nvcc -V
会输出CUDA的版本信息。
如果是这样的：
The program 'nvcc' is currently not installed. You can install it by typing:
sudo apt-get install nvidia-cuda-toolkit
可能是环境配置没有成功，请重复上述步骤8。
最后查看cuda版本：cat /usr/local/cuda/version.txt
3. 安装CUDNN
参考官网步骤：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/
- Navigate to your <cudnnpath> directory containing cuDNN Debian file.
- Install the runtime library, for example:
sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb - Install the developer library, for example:
sudo dpkg -i libcudnn7-devel_7.0.3.11-1+cuda9.0_amd64.deb - Install the code samples and the cuDNN Library User Guide, for example:
sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb
验证前注意重启，如果装cuda9，验证的时候会出错Cublas failure，换成cuda10就好了。
4. Anaconda-python3.6
5. Tensorflow-gpu 1.13.1
pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
6. 关于gcc版本：
切换gcc版本参考: https://www.cnblogs.com/uestc-mm/p/7511063.html
改变优先级： sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 100 （100代表优先级）
选择可选版本：sudo update-alternatives --config gcc
查看当前gcc版本：gcc --version
最后附上一个版本对应：