服务器Ubuntu18.04的安装与深度学习的框架搭建
大框架：Ubuntu18.04+英伟达驱动+cuda10.1+cudnn7.6.3+tensorflow-gpu 安装过程
https://blog.csdn.net/wangzugenwy/article/details/100124469
1.CUDA10.1 https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal
2.CUDNN 官网下载账号
https://developer.nvidia.com/rdp/cudnn-download 下载for linux
3.anaconda下载网址 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
4.配置清华镜像源教程 https://blog.csdn.net/qq_41822647/article/details/85122467
5.Anaconda使用清华大学开源软件镜像站
a.$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
b.$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
c.$ conda config --set show_channel_urls yes
5.在anaconda下创建新环境或者直接命令conda create -n 自己设置的环境名 python=3.6
进入anaconda软件安装（较慢）或者source activate 自己设置的环境名（这个命令是进入自己创建的环境，然后 pip install ）
退出环境命令 conda deactivate 列出所有环境conda env list 删除环境conda env remove -n 环境名
6.tensorflow-gpu 版本 1.14.0 keras版本2.2.5 pytorch在anaconda软件里相应环境下安装
a.验证tensorflow-gpu是否安装成功 进入对应环境然后终端输入python，在输入import tensorflow as tf(第一次报错在输入一次就可以了)
b.验证keras 进入对应环境然后终端输入python，在输入import keras
c.验证pytorch 进入对应环境然后终端输入python，在输入import torch 然后torch.__version__
然后torch.cuda.is_available()
7.挂载u盘方法 https://blog.csdn.net/yy1209357299/article/details/89874661
或者sudo ntfsfix /dev/sdc1（/dev/sdc1是自己的u盘，通过sudo fdisk -l可以查到）
8.远程多用户 安装thinlinc
https://blog.csdn.net/weixin_42268054/article/details/88799328(安装参考)