1.显卡驱动

http://www.linuxandubuntu.com/home/how-to-install-latest-nvidia-drivers-in-linux

驱动下载地址：http://www.geforce.cn/drivers

检查驱动版本编号：https://www.nvidia.cn/download/driverResults.aspx/134287/cn

在终端使用ubuntu-drivers devices查看笔记本显卡驱动，例如我笔记本的显卡是NVIDIA Geforce 960系列，在网上查询到的最新驱动版本为390.59，那么之后安装驱动时需要用到nvidia-390。

卸载旧版本显卡驱动

sudo apt-get purge nvidia*

添加显卡驱动PPA

sudo add-apt-repository ppa:graphics-drivers
sudo apt-get update

装对应版本的显卡驱动

sudo apt-get install nvidia-390 # 根据自己的显卡版本修改

装好之后需要重启系统。也可能会出来下面这张图：

按键盘上向右键选择确定Enter，设置好一个确认密码。在重启系统后会有一个MOK界面，输入确认密码，开机之后驱动就装好了。

检查显卡驱动是否已经装好

lsmod | grep nvidia
# 或者nvidia-smi

为了防止驱动崩溃可以阻止显卡驱动自动更新

sudo apt-mark hold nvidia-390

如果显卡驱动出现问题可以卸载重装

sudo apt-get purge nvidia*

2. CUDA + cudnn：

https://blog.csdn.net/u010801439/article/details/80483036

https://medium.com/@taylordenouden/installing-tensorflow-gpu-on-ubuntu-18-04-89a142325138

下载CUDA: https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=runfilelocal

如图，由于我ubuntu为18.04系统，下载17.04或16.04对应的CUDA都行。参考Pytorch官方支持的CUDA版本，下载Basic Installer和下方的Patch补丁文件。此处我下载了CUDA9.0版本。

下载cudnn（需要注册）：https://developer.nvidia.com/cudnn

点击“cuDNN v7.0.5Library for Linux”链接下载支持CUDA9.0的cudnn。

2.1 GCC降级：

由于CUDA 9.0仅支持GCC 6.0及以下版本，而Ubuntu 18.04预装GCC版本为7.3，故需要降级。

sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8

进入/usr/bin目录查看gcc信息

$ls –l gcc*

备份gcc并将其链接到gcc-4.8

sudo mv gcc gcc.bak
sudo ln –s gcc-4.8 gcc

同样g++也类似修改

$ls –l g++*
sudo mv g++ g++.bak
sudo ln –s g++-4.8 g++

使用gcc –v和g++ -v查看修改后的版本信息。

2.2 安装CUDA及其补丁：

在下载文件目录下打开终端

sudo sh cuda_9.0.176_384.81_linux.run

注意由于我们之前已经装好了显卡驱动，在安装过程中提示“Install NVIDIA Accelerated Graphics Driver for Linux-x86_64384.81?”时一定要选择no，其他情况都可以选择yes。

继续使用sudo sh安装补丁文件。

设置环境变量：https://www.linuxidc.com/Linux/2017-03/142338.htm

打开barshrc文件

sudo vim ~/.barshrc

按键i在文件末尾插入语句，然后esc，最后输入:wq保存退出。注意将cuda-9.0改成自己的对应版本。

export PATH=/usr/local/cuda-9.0/bin${PATH:+:$PATH}}  
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

如图

关闭并重新打开终端使得环境变量生效。

2.3 安装cudnn:

在文件下载目录打开终端，解压cudnn文件，注意解压后的文件夹为cuda。

tar -zxvf cudnn-9.0-linux-x64-v7.tgz

复制cudnn到cuda相关文件

sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include     
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64
sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*

到此CUDA+cuDNN就安装完成了。

3. Install Anaconda:

https://blog.csdn.net/u012318074/article/details/77074665

在下载好的文件目录下打开终端输入

bash Anaconda3-5.2.0-Linux-x86_64.sh

4. Install git:

https://www.cnblogs.com/zhuchenglin/p/7528988.html

此处主要是给从SOURCE安装Pytorch的朋友参考，选择conda或pip安装的同学可以跳过此步骤。

Source安装方法参考官方链接：https://github.com/pytorch/pytorch#from-source

也可以自行从官方github上克隆相关文件后自行编译：https://www.linuxidc.com/Linux/2017-05/143803.htm

不过这两种方法我都没有成功，放在此处仅供参考。

5. Install pytorch:

https://pytorch.org/

http://pypi.doubanio.com/simple/torch/

官方的conda和pip安装方式我个人尝试了很多遍都没有成功，原因是下载torch文件的速度巨慢。找了清华和阿里云的多个镜像网站也没下载成功，最后在豆瓣的镜像上找到了whl安装文件。

在下载文件目录下打开终端即可安装。

pip install torch-0.4.0-cp36-cp36m-manylinux1_x86_64.whl
pip install torchvision

在终端输入ipython3输入

import torch
import torchvision

如果没有报错，那么就表示Pytorch已经成功安装好了！

ubuntu 18.04 LTS配置GPU版PyTorch