前言
这几天一直在搭建ubuntu16.04下的深度学习环境，遇到许多坑，我将网上不同教程的优点总结了一下，在这里与大家分享。我使用的显卡是RTX2080,CUDA 9.0和CUDNN7_7.4.1.5。CUDA版本需要与CUDNN相适应，具体对应版本在官网下载时能看到。
安装显卡驱动
先到英伟达官网上下载与你的显卡对应的显卡驱动。下载链接：https://www.nvidia.cn/Download/index.aspx?lang=cn 。
下载之后是某一个.run的文件，不同显卡驱动版本可能不一样。
NVIDIA-Linux-x86_64-410.93.run
查看是否有NVIDIA的显卡
lspci | grep -i nvidia
uname -m && cat /etc/*release
有显卡信息代表显卡已经插好。
如果之前有旧的显卡驱动需要先卸载。
（1）进入文本模式：CTRL+ALT+F1
sudo apt-get remove nvidia-*
sudo apt-get autoremove
（2）Uninstall the drivers from the .run file
sudo nvidia-uninstall
（3）重启，之后安装新的驱动
Ctrl+Alt+F1
sudo service lightdm stop
chmod +x NVIDIA-Linux-x86_64-410.93.run
sudo ./NVIDIA-Linux-x86_64-410.93.run -no-x-check -no-nouveau-check -no-opengl-files
chmod将文件设为可执行，有时候不需要这一步，可以直接sudo ./NVIDIA…
-no-x-check安装驱动时关闭x服务
-no-nouveau-check 安装驱动时禁用Nouveau
-no-opengl-files 安装时只装驱动文件，不安装Opengl
(4)重新打开界面
sudo service lightdm restart
重启之后发现屏幕分辨率改变则表示显卡驱动安装成功！
卸载CUDA
如果之前你有安装CUDA，换了新的显卡之后无法正常使用，则需要卸载CUDA，没有安装的话直接跳过这一步。
sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl
sudo rm -rf /usr/local/cuda-8.0/
安装CUDA
✦CUDA 9.0
✦CUDNN 7_7.4
可以在官网，下载我们需要的CUDA版本。下载地址：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal
下载好了之后给予文件执行权限
chmod +x cuda_9.0.176_384.81_linux.run
打开终端，cd 到这个文件夹下，然后安装
sudo ./cuda_9.0.176_384.81_linux.run
开始安装之后，需要阅读说明，可以使用Ctrl + C直接阅读完成，或者使用空格键慢慢阅读。然后进行配置，我这里说明一下：
（是否同意条款，必须同意才能继续安装）
accept/decline/quit: accept
（这里不要安装驱动，因为已经安装最新的驱动了，否则可能会安装旧版本的显卡驱动，导致重复登录的情况）
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
(y)es/(n)o/(q)uit: n
Install the CUDA 9.0 Toolkit?（是否安装CUDA 9 ，这里必须要安装）
(y)es/(n)o/(q)uit: y
Enter Toolkit Location（安装路径，使用默认，直接回车就行）
[ default is /usr/local/cuda-9.0 ]:
Do you want to install a symbolic link at /usr/local/cuda?（同意创建软链接）
(y)es/(n)o/(q)uit: y
Install the CUDA 9.0 Samples?（不用安装测试，本身就有了）
(y)es/(n)o/(q)uit: n
Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...（开始安装）
这里注意默认目录最好不要改，容易给后续操作带来不便。最后，需要将CUDA添加到环境变量中，添加方法如下：
sudo gedit ~/.bashrc
在文件末尾添加下面代码并保存。
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH
注意这个是默认路径的环境变量添加方式，所以上一步点击默认的话，这两行命令直接复制。
之后更新环境变量：
source ~/.bashrc
使用nvcc -v查看有无CUDA版本信息，有则表示安装成功！
下载和安装CUDNN
到官网：https://developer.nvidia.com/rdp/cudnn-download 下载CUDNN，然后点击Download开始选择下载版本，在下载之前需要登录，选择版本界面如下，我们选择cuDNN Library for Linux：
下载之后是一个压缩包，如下：
libcudnn7_7.4.1.5-1+cuda9.0_amd64.solitairetheme8
将其手动改为.tgz格式的文件
打开终端，cd 到这个文件夹下。然后对它进行解压，命令如下：
tar -zxvf libcudnn7_7.4.1.5-1+cuda9.0_amd64.tgz
得到以下文件
cuda/include/cudnn.h
cuda/NVIDIA_SLA_cuDNN_Support.txt
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.7
cuda/lib64/libcudnn.so.7.4.2
cuda/lib64/libcudnn_static.a
使用以下两条命令复制这些文件到CUDA目录下：
cp cuda/lib64/* /usr/local/cuda-9.0/lib64/
cp cuda/include/* /usr/local/cuda-9.0/include/
拷贝完成之后，可以使用以下命令查看CUDNN的版本信息：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
安装Tensorflow
pip install tensorflow-gpu
安装好了之后用import tensorflow测试一下，不显示信息代表安装成功！
以上总结是我参考了下面几位作者的博文写的，如果觉得这篇教程对你有帮助或启发，麻烦点个赞，谢谢！
[1] https://blog.csdn.net/qq_33200967/article/details/80689543
[2] https://zhuanlan.zhihu.com/p/37931050
[3] https://blog.csdn.net/ssmixi/article/details/73483795