为了防止以后再踩坑，把这次重装遇到的问题以及解决方案标注出来，凡是与下面参考网址原文不同的地方，都是自己相关的标注以及修改
参考：https://blog.csdn.net/blgpb/article/details/82048478
最终自己安装并运行成功的版本是Ubuntu18.04，CUDA9.0，cuDNN7.0.5，tensorflow-gpu1.10.0
从零开始安装双系统Ubuntu18.04、CUDA、cuDNN、TensorFlow-GPU
目录
0 写在开头
在训练神经网络模型时，GPU运算能显著地提高运算速度。TensorFlow等许多深度学习框架可以支持在NVIDIA公司的显卡上进行加速运算，但目前不支持AMD公司的显卡。
需要提醒的是，并不是NVIDIA公司的所有显卡都能支持CUDA、TensorFlow-GPU运算。只有当电脑上NVIDIA显卡的性能满足要求时，才可以支持CUDA。参考NVIDIA官网：https://developer.nvidia.com/cuda-gpus
并且，只有当电脑上显卡的Compute Capability大于等于3.0时，才能支持TensorFlow-GPU。否则，即使成功地安装了CUDA，也不能使用GPU加速TensorFlow的运算。
1 安装双系统——Ubuntu18.04
安装双系统是指，原先的电脑已经安装了一个操作系统，比如Windows7、Windows10等操作系统，然后再重新安装一个操作系统。在安装的时候，两个系统是分别装在不同的分区内，后安装的系统不会覆盖前一个系统。而且每个单独的系统都有自己的分区格式，不会造成冲突的。安装了双系统后，在启动的时候，有一个多重启动的选择菜单，可以选择进入那个操作系统。当前状态下，只有一个系统是在运行的，不能随意的切换。如果想要进入另外一个，就要重新启动，重新选择。
本文介绍的是如何在Windows7或者Windows10的电脑上安装Linux操作系统之Ubuntu18.04。需要注意的是，如果对安装操作系统、磁盘分区等操作不熟悉，建议在执行以下操作前备份电脑中的数据。
1.1 制作Ubuntu18.04的启动U盘
在Ubuntu的官网上下载18.04，下载地址为：http://releases.ubuntu.com/18.04/
使用UltraISO软件，制作启动U盘。首先需要准备一个空白的或者备份过的U盘，U盘大小在4GB及以上。将U盘插入电脑，进入UltraISO，打开镜像文件（即下载好的Ubuntu18.04 ISO镜像文件）。
点击"启动"->"写入硬盘映像..."
按照默认设置的参数并执行写入操作
至此，完成了Ubuntu18.04启动U盘的制作。
1.2 创建磁盘分区
同时按下Windows键和X键，在弹出的列表中选择“磁盘管理”
选择剩余可用空间较大的磁盘分区，右键并选择“压缩卷”。图中选择的是压缩E盘60G的空间。
点击“压缩”之后，E盘后部出现黑色的60G“未分配空间”
至此，磁盘分区过程完成。
1.3 安装Ubuntu
插入U盘，重启电脑。在出现电脑品牌的LOGO界面时，按下BIOS的快捷键(电脑型号不同快捷键不同）。进入系统BIOS后设置优先U盘启动，设置后电脑自动重启并进入Ubuntu安装界面。
用户根据自己的需要选择语言等选项，这些设置都不是非常重要。
但是，下图“安装类型”的设置至关重要。一定要选择“其他选项”。
分配空间时需要注意：
第一次分区：
“空闲”处点“+”，进行如下设置：
大小：25600MB（设置分配给Ubuntu 根目录的空间。因为避免出现CUDA和TensorFlow安装时根目录存储空间不够的情况，建议设置20GB以上。）
新分区的类型：主分区
新分区的位置：空间起始位置
用于：EXT4日志文件系统
挂载点：“/”
第二次分区：
“空闲”处，继续点“+”，如下设置，
大小：4096MB
新分区的类型：逻辑分区
新分区的位置：空间起始位置
用于：交换空间
挂载点：（不需要设置）
第三次分区：
“空闲”处，继续点“+”，如下设置，
大小：512MB（网上有的文章设置的200MB，但是会导致安装时GRBU配置出现问题“GRUB installation failed”）
新分区的类型：逻辑分区
新分区的位置：空间起始位置
用于：EXT4日志文件系统
挂载点：/boot
第四次分区：
“空闲”处，继续点“+”，如下设置，
大小：剩余的全部空间，剩下多少就显示多少
新分区的类型：逻辑分区
新分区的位置：空间起始位置
用于：EXT4日志文件系统
挂载点：/home
分区设置完毕后，下方还有一个设置项“安装启动引导器的设备”，选择/boot 所在分区进行安装，然后点击“现在安装”。
接下来的设置按照提示一步一步进行下去就可以了。
完成所有的安装设置后，会提示重启电脑。重启过后，就安装成功了。
需要注意的是，按照如下的安装方式，在Windows7操作系统下，开机时会有选项让用户选择打开哪个操作系统（Windows7还是Ubuntu18.04），不会有任何的影响。但是，如果主操作系统是Windows10，在Windows10重启后会自动地修改电脑BIOS的BOOT选项，使得无法引导打开Ubuntu18.04的操作系统。此时，可以在开机时打开BIOS，手动调整BOOT顺序，从而打开Ubuntu18.04操作系统。
3 安装NVIDIA显卡驱动
打开Ubuntu18.04的命令行，输入以下命令以安装Ubuntu18.04的显卡驱动。
sudo ubuntu-drivers autoinstall
驱动安装完成后，一定要重新启动电脑。打开Ubuntu18.04的“设置"->"详细信息"->"关于"。如果"图形处理"处对应于自己的独立显卡的型号，那么说明安装成功。
4 安装CUDA
根据我的多次实验，目前在Ubuntu18.04系统上，适合安装的CUDA版本是9.0版本。安装9.0以上的版本会导致TensorFlow-GPU在运行时报错，“import error：libcuda.so.9.0:cannot open shared object file:no such file or directory”。
下载地址：https://developer.nvidia.com/cuda-90-download-archive
按照下图进行选择
需要下载5个文件，第一个是主文件，后面的4个是补丁。
下载完成后，开始安装：
4.1 手动进行降级
在命令行逐行输入下面的命令
-
sudo apt-get
install gcc
-4.8
-
sudo apt-
get
install g++
-4.8
-
cd /usr/
bin
-
sudo mv gcc gcc.bak
-
sudo
ln -s gcc
-4.8 gcc
-
sudo mv g++ g++.bak
-
sudo
ln -s g++
-4.8 g++
分别查看gcc和g++版本号
如果显示version为4.8，那么说明降级成功。
4.2 安装CUDA及其补丁
4.2.1 如果之前安装过CUDA，可通过下面命令卸载：sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl（运行CUDA自带的卸载功能）
或者 先进入bin目录：cd /usr/local/cuda-8.0/bin 再执行： ./uninstall_cuda_8.0.pl（运行CUDA自带的卸载功能）
卸载之后，删除原来的安装文件夹即可：sudo rm -rf /usr/local/cuda-8.0/
4.2.2 安装CUDA之前需要先安装一些文件，否则可能安装不成功：
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev/
4.2.3 输入命令安装Base Installer：
sudo sh cuda_9.0.176_384.81_linux.run
执行代码后，会出现Notice内容，按下键盘上的D按键可以快速翻页（或者直接ctrl+c完成阅读）。
需要注意的是，由于已经安装过NVIDIA显卡驱动程序，故在提问是否安装显卡驱动时选择No,其他选择默认路径或者选择Yes即可。
4.2.4 然后，继续执行以下命令逐一安装4个patch（补丁不装也行）：
-
sudo
sh
cuda_9
.0
.176
.1_linux
.run
-
sudo
sh
cuda_9
.0
.176
.2_linux
.run
-
sudo
sh
cuda_9
.0
.176
.3_linux
.run
-
sudo
sh
cuda_9
.0
.176
.4_linux
.run
4.2.5 安装完毕之后，在命令行输入下面的代码
sudo gedit ~/.bashrc
将以下两条语句加入.bashrc文件中
-
export PATH=
/usr/local
/cuda-9.0/bin${
PATH:+
:$PATH}}
#注意，根据自己的版本，修改cuda-9.2/9.0...
-
export LD_LIBRARY_PATH=
/usr/local
/cuda-9.0/lib64${
LD_LIBRARY_PATH:+
:${LD_LIBRARY_PATH}}
#注意，根据自己的版本，修改cuda-9.2/9.0...
然后使用source命令更新使路径生效：source ~/.bashrc
至此，CUDA安装完成。
4.3 测试CUDA是否安装成功
在命令行中输入下列命令
-
cd ~/NVIDIA_CUDA
-9.0_Samples/
1_Utilities/deviceQuery
-
make
-
sudo ./deviceQuery
查看输出结果，如果最后一行是"Result = Pass"表示CUDA安装成功。
再输入下列命令
-
cd ../bandwidthTest
-
make
-
sudo ./bandwidthTest
查看输出结果，如果出现"Result = Pass"表示CUDA安装成功。
5 安装cuDNN
由于安装的是CUDA9.0版本，所以安装的cuDNN的版本对应的是7.2.1
5.1 下载
下载"cuDNN v7.2.1 Library for Linux"，下载完毕后，进入到Downloads文件夹路径下，可以看到压缩包，然后解压。
5.2 复制cuDNN内容到CUDA相关文件夹内
在命令行中输入
-
sudo cp cuda/include/cudnn.h /usr/
local/cuda/include 注意，解压后的文件夹名称为cuda ,将对应文件复制到 /usr/
local中的cuda内
-
sudo cp cuda/lib64/libcudnn* /usr/
local/cuda/lib64
-
sudo chmod a+r /usr/
local/cuda/include/cudnn.h /usr/
local/cuda/lib64/libcudnn*
至此，cuDNN安装完成。
5.3 安装libcupti-dev
sudo apt-get install libcupti-dev
6 安装TensorFlow-GPU
6.1 安装
在命令行中输入
pip3 install tensorflow-gpu
（指定某个版本的tensorflow-gpu安装：pip3 install tensorflow-gpu==1.10.0）
安装完成之后输入
python3
在python3的交互模式中输入
-
>>>
from tensorflow.python.client
import device_lib
-
>>> device_lib.list_local_devices()
如果出现下图所示，GPU被列出来，那么表明安装成功。
6.2 测试安装是否成功
在Python环境中输入下列代码
-
import numpy
-
-
import tensorflow
as tf
-
-
a = tf.constant([
1.0,
2.0,
3.0,
4.0,
5.0,
6.0], shape=[
2,
3], name=
'a')
-
-
b = tf.constant([
1.0,
2.0,
3.0,
4.0,
5.0,
6.0], shape=[
3,
2], name=
'b')
-
-
c = tf.matmul(a, b)
-
-
sess = tf.Session(config=tf.ConfigProto(log_device_placement=
True))
-
-
print(sess.run(c))
如果输出的信息类似下图，则表明TensorFlow-GPU安装成功，并且利用GPU加速运算。
目录