因为需要，所以需要安装CUDA10.0及对应的cudnn版本。
该教程是在前文ubuntu16.04安装nvidia显卡驱动的基础上进行的。显卡驱动安装的是440.82的版本，CUDA10.0需要最低驱动要求是410.48.所以完全满足。
具体流程如下：
1.CUDA10.0的安装
本文采用的是runfile的方式安装的，相比package manager，成功率更高。
1）安装包下载
首先下载CUDA的安装包：CUDA安装包下载根据自己的具体情况选择对应的版本，最后要选择runfile文件，然后点击Download如下图所示：
NVIDIA官网的下载速度真的很快，2个G一分钟不到就下好了。
下载完毕后，终端使用以下命令检测，序号不合重新下载
md5sum cuda_10.0.130_410.48_linux.run
2）进行安装
（1）禁用nouveay(在安装NVIDIA驱动的时候已经禁过了)
查看是否禁过：
lsmod | grep nouveau如果没有输出，则已经禁过。如有有关nouveau的信息出现，那么请在禁一次，详细步骤见上文ubuntu16.04安装nvidia显卡驱动
注意：以下步骤会进入到字符界面，有两台电脑操作最好，或者用手机记录下面的过程，字符界面不能看到。另外可以将cuda_10.0.130_410.48_linux.run包改为cuda.run，并移动到home下，目的就是输入命令方便。
（2）字符界面进行安装
1）重启电脑，然后在登录界面不要着急输密码进入到桌面模式，直接按快捷键Ctrl+Alt+F1进入到字符界面（如果你桌面模式也能成功进入就不需要重启，直接快捷键进入）。
接着和上文一样的的登录界面，先输入账户名，再输入密码，登录成功。
2）输入命令关闭图形界面：
sudo service lightdm stop3）运行命令进行安装：
sudo sh cuda.run
会显示用户许可证相关信息，最下面显示--More--(1%)然后需要你一直按空格，直到显示100%.
接着又会出现一些选择界面：
输入内容为：accept -> n ->y -> y ->y (没有选项就按回车)
重启图形界面：
sudo service lightdm start我输入命令之后直接回到图形桌面形式，若没有回，快捷键Alt + ctrl +F7
(3）环境变量设置
终端命令：
sudo gedit ~/.bashrc再打开的文件下面加上以下内容：
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
验证驱动版本
cat /proc/driver/nvidia/version验证CUDA版本
nvcc -V
(4)编译cuda历程测试
1）home目录下打开终端输入：
cd NVIDIA_CUDA-10.0_Samples
make编译时间较长，稍等一会估计十来分钟。如果报错缺什么依赖就install下载下。
编译完成后，显示如下：
2）运行编译文件
在NVIDIA_CUDA-10.0_Samples/bin/x86_64/linux/release 文件下打开终端，或者直接cd进去。直接输入：
./deviceQuery 
成功样图，其中 Result = PASS代表成功,若失败 Result = FAIL
3）最后再检查一下系统和CUDA-Capable device的连接情况终端输入 ：
./bandwidthTest看到类似如下图片中的显示，则代表成功
2.cudnn的安装
相比cuda,cudnn的安装就相对更简单，只需要下载对应版本的安装包，解压之后，用命令将某些文件复制到cuda的指定文件目录下 即可。
（1）文件下载
下载对应版本的安装包此处是对应CUDA10.0的：cudnn下载
我选择的当时最新版对应cuda10.0的v7.6.4，点进去后选择第三个cuDNN Library for Linux。
下载之后，可以直接手动解压即可。解压之后会有一CUDA文件夹，然后在Downloads目录下（我是直接在下载目录下解压）打开终端输入：
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/查看cudnn版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
此时就安装成功。
然后我立马下载了darknet框架下的yolov4测试了下，没有问题。测试流程：gpu测试YOLOV4
参考文献：
https://blog.csdn.net/lihe4151021/article/details/90237681