win10+ubuntu18.04双系统安装cuda9.0+cudnn配置深度学习环境

ubuntu18.04+cuda9.0+cudnn安装笔记
第一步：安装win10+ubuntu18.04双系统。
    1.下载ubuntu18.04的iso文件
    2.使用ultroiso制作启动盘，默认操作即可。
    3.win10“设置”界面选择重启——>高级启动——>从u盘启动即可
    4.安装ubuntu18.04注意要自己分区，特别注意分区后选择从boot启动，以免覆盖win10文件
第二步：安装nvidia图形驱动
    1.nvidia-driver devices
    检测推荐的驱动直接安装即可sudo apt install nvidia-390（注意驱动版本，以符合cuda要求版本）
    2.nvidia-smi 检测是否成功安装驱动。
第三步：安装cuda9.0
    注意：
    原先我安装的是cuda9.2，但是由于其要求驱动在396以上，所以运行测试时失败。
    1. sudo sh <cuda9.0>.run直接运行即可
    注意：终端会显示是否安装驱动，由于已经安装，所以选择no，其他选择默认或yes即可
    2. 测试
    2.1在sample文件夹下执行make clean& make
    2.2 cd ./bin/x86_64/linux/release
    运行./deviceQuery 和./bandwidthTest，如果显示Result=PASS即成功安装cuda。
    2.3 运行ncvv -V
    需要事先配置环境。添加到.bashrc文件中即可，然后执行source .bashrc
第四步：安装cudnn
    1.下载对应cuda9.0的cudnn版本
    此处所下载的是：libcudnn7_7.3.1.20-1+cuda9.0_amd64.deb
               libcudnn7-dev_7.3.1.20-1+cuda9.0_amd64.deb
               libcudnn7-doc_7.3.1.20-1+cuda9.0_amd64.deb
    2.执行sudo dpkg -i <>.deb文件即可。
    3.测试
    3.1 cd /usr/src/cudnn_samples_v7
    3.2 cp -r mnistCUDNN /home/pharos/桌面
    3.3 cd /home/pharos/桌面/mnistCUDNN
    3.4 执行make clean&make指令进行编译
    3.5 执行./mninstCUDNN
    3.6 结果显示Test passed即可
第五步：安装tensorflow-gpu或者pytorch
    注意：本机器已安装anaconda3，python版本为3.6,但是推荐使用pip3安装，conda安装不推荐。
    pip3 install tensorflow-gpu==1.8
    如何测试是否成功安装tensorflow-gpu详见网上代码
    pip3 install torch torchvision
    如何测试是否成功安装pytorch详见网上代码