1、インストールCUDA、cuDNN、アナコンダ、Tensorflow-GPUとpyTorch：
ファイルをインストールする準備ができました：
@ UbuntuのUbuntuの：〜$ LS
anaconda3 NVIDIA-Linuxの-x86_64-440.31 .RUN
Anaconda3-5.1.0-Linux-x86_64.sh SNAPの
cuda_10.0 .130_410.48_linux.run公共 cudnn_samples_v7は、テンプレート のダウンロードビデオ examples.desktop画像 libcudnn7_7を。 + 4.2.24-1 cuda10.0_amd64.deb文書 libcudnn7-dev_7.4.2.24-1 + cuda10.0_amd64.deb-doc_7.4.2.24-1 +ダウンロードlibcudnn7のcuda10.0_amd64.deb音楽NVIDIA_CUDA-10.0_Samplesデスクトップ
あなたは、パラメータを持つNVIDIA-SMI GPUクエリをインストールした後：
Ubuntuの@のubuntu：〜$ nvidia- SMI
日3月1日夜8時24分23秒2020
+ ------------------------------- ---------------------------------------------- +
| NVIDIA-SMI 440.31ドライババージョン：440.31 CUDAバージョン：10.2 |
| ------------------------------- + ----------------- ----- + ---------------------- +
| GPU名前永続-M | バス-ID Disp.A | 揮発性の訂正不能。ECC |
| ファン温度パフォーマンス・のPwr：使用/キャップ| メモリー使用量| GPU-Utilの計算M. |
| =============================== + ================= ===== + ====================== |
| 0のGeForce RTX 207 ...オフ| 00000000：01：00.0で| N / A |
| 40％18C P8 9W / 215W | 137MiB / 7979MiB | 7％のデフォルト|
+ ------------------------------- + ----------------- ----- + ---------------------- +
+ -------------------- -------------------------------------------------- ------- +
| プロセス：GPUメモリ|
| GPU PIDタイププロセス名の使用法|
| ================================================= ============================ |
| 0 1020 Gは/ usr / libに/ xorgの/ Xorgの135MiB |
+ ------------------------------------------------- ---------------------------- +
NVCC -Vでのお問い合わせCUDAのバージョンをインストールした後：
Ubuntuの@のubuntu：〜$ NVCC - Vの
NVCC：NVIDIA（R）のCUDAコンパイラドライバの
著作権（C）2005から2018 NVIDIAコーポレーション
08：Sat_Aug_25_21上に構築された：01_CDT_2018
クーダコンパイルツール、10.0をリリース、V10.0.130
インストール後CUDA CUDA CUDA GPUを照会し、サンプルのパラメータが付属しています：
Ubuntuの@ Ubuntuの：は/ usr / local / CUDA /サンプル/ 1_Utilities / DEVICEQUERY $ sudoを./ DEVICEQUERY
./ DEVICEQUERY開始しています...
CUDAデバイスクエリ（ランタイムAPI）バージョン（CUDARTの静的リンク）
検出された1 CUDA対応デバイス（複数可）
デバイス0： "のGeForce RTX 2070 SUPER" CUDAドライババージョン/ランタイムバージョン10.2 / 10.0 CUDA能力メジャー/マイナーバージョン番号：7.5 グローバルメモリの合計量：7979メガバイト（8366784512 バイト）（40）マルチプロセッサ（64）CUDAコア/ MP ：2560 CUDAコアGPUの最大クロックレート：1785 MHzの（1.78 ギガヘルツ）メモリクロックレート：7001 MHzのメモリバス幅：256 ビットのL2キャッシュサイズ：4194304最大テクスチャ寸法サイズ（X、Y、Z）1D =（131072）、2D =（131072、65536）、3D =（16384、16384、16384バイト）最大階層1Dテクスチャサイズ、（NUM）層1D =（32768） 2048 層の最大階層2Dテクスチャサイズ、（NUM）層2D =（32768、32768）2048 定数メモリの層の合計量：65536 49152：ブロックごとの共有メモリの合計量バイトブロックごとに使用可能なレジスタの合計数バイト：65536 ワープ・サイズ：32 マルチプロセッサあたりのスレッドの最大数：1024 1024：ブロックあたりのスレッドの最大数スレッドブロック（x、y、z）の最大寸法サイズ：（1024、1024 64 ）グリッドサイズの最大寸法サイズ（ X、Y、Z）：（2147483647、65535、65535 ）最大メモリピッチ：2147483647バイトテクスチャアラインメント：512は、並行コピーとカーネルの実行をバイト：はい3でコピーエンジン（S）実行時のカーネルの制限：あり内蔵GPUをホストメモリを共有する：いいえサポートホストPAGE-は、メモリマッピングをロックのための：はいアライメント要件サーフェス：はいデバイスを（UVA）をアドレッシング統一無効デバイスがサポート：ECCをサポートしているはいデバイスが計算プリエンプションをサポート：はい協調カーネル起動をサポート：はいマルチデバイス共サポートOPカーネル起動のYesデバイスPCIドメインID /バスID /位置ID：0/1 / 0 計算モード：<デフォルトの（複数のホスト・スレッドが使用できる:: cudaSetDevice（）デバイスと同時に）> DEVICEQUERY、CUDAドライバ= CUDART、CUDAドライババージョン= 10.2、CUDAランタイム版= 10.0、NumDevs = 1 結果= PASS
cuDNN、TesnorFlow GPUのバージョン、およびpyTorchソフトウェアをインストールするにはアナコンダで仮想環境を作成します。
Ubuntuの@のubuntu：〜$ソースアクティベートpy36
（py36）Ubuntuの@のubuntu：〜$ condaリスト
/home/ubuntu/.conda/envs/で環境に＃パッケージpy36： ＃
＃
名バージョンビルドチャンネルは
0.1 _libgcc_mutex メイン _tflow_selectを2.1.0 GPU ABSL-PY 0.9.0 py36_0アスター0.8.0 py36_0のBLAS 1.0 MKL C-ARES 1.15.0 h7b6447c_1001、CA証明書2020年1月1日0 認証取得2016年2月28日py36_0 cudatoolkit 10.0.130 0 cudnn 7.6.5 cuda10.0_0 cupti 10.0。 130 0 GAST 0.2.2py36_0グーグル・パスタ0.1.8 py_0 grpcio 1.14.1 py36h9ba97e2_0 h5py 2.10.0 py36h7918eee_0 HDF5 1.10.4 hb1b8bf9_0インテルのOpenMP 2020.0 166 keras-アプリケーション1.0.8 py_0 keras、前処理1.1.0 py_1のlibgcc-ngの9.1.0 hdf63c60_0 libgfortran -ng 7.3.0 hdf63c60_0 libprotobuf 3.11.4 hd408876_0 libstdcxx-ngの9.1.0 hdf63c60_0値下げ3.1.1 py36_0 MKL 2020.0 166 MKL-サービス2.3.0 py36he904b0f_0 mkl_fft 1.0.15 py36ha843d7b_0 mkl_random 1.1.0 py36hd6b4f25_0 numpyの1.18.1 py36h4f9e942_0 numpy-ベース1.18.1 py36hde5b4d6_1 opensslの1.0.2u h7b6447c_0 opt_einsum 3.1.0 py_0枕7.0.0 <ピップ>PIP 20.0.2 <PIP> PIP 9.0.1 py36_1いるProtobuf 3.11.4 py36he6710b0_0パイソン3.6.2 0 readlineの6.2 2 scipyのダウンロード1.4.1 py36h0b6359f_0 setuptoolsの36.4.0 py36_1 6 1.14.0 py36_0 SQLiteの3.13.0 0 tensorboard 1.15.0 pyhb230dea_0 tensorflow 1.15.0 gpu_py36h5a509aa_0 tensorflowベース1.15.0 gpu_py36h9dcbed7_0 tensorflow-推定1.15.1 pyh2649769_0 tensorflow-GPU 1.15.0 h0d30ee6_0 termcolor 1.1.0 py36_1 TK 8.5.18 0 トーチ1.4.0 + cu92 <PIP> torchvision 0.5.0+ cu92 <ピップ> webencodings 0.5.1 py36_1 WERKZEUG 0.16.1 py_0ホイール0.29.0 py36_0 wrapt 1.11.2 py36h7b6447c_0 XZ 5.2.4 h14c3975_4 zlibの1.2.11 h7b6447c_3
参考：
https://blog.csdn.net/feifeiyechuan/article/details/94451052
https://blog.csdn.net/H_O_W_E/article/details/77370456
2、仮想環境を作成するためにAnacondaを使用します：
インストールされた仮想環境を表示します。
conda情報の-e
仮想環境を作成するためのPythonのバージョンを指定します。
condaは--name py36のpython = 3.6を作成します
インストールされた仮想環境の依存関係を表示します。
condaリスト-n py36
仮想環境への依存関係をインストールします。
-n py36 cudnnインストールconda
仮想環境をアクティブ化します。
ソースアクティベートpy36
仮想環境を終了します。
ソース非アクティブ化
OpenCVの-のPythonをインストールするには、仮想環境：
インストールconda -n py36 --channel https://conda.anaconda.org/menpo opencv3
参考：
https://zhuanlan.zhihu.com/p/44398592
https://zhuanlan.zhihu.com/p/55739118