一、查看显卡信息：

查看显卡：

lspci | grep -i nvidia   
#我的是06:00.0 3D controller: NVIDIA Corporation Device 15f8 (rev a1)

然后看显卡驱动：

lsmod | grep -i nvidia
#我刚装完系统后没有任何驱动，所以这里有没有没关系。

二、安装显卡驱动

1、自己下载安装：

去官网，选择自己的显卡型号，然后下载驱动。回到ubuntu，打开终端，首先卸载一下之前安装的：

sudo apt-get --purge remove nvidia-*
#因为我新装的系统没有任何驱动，所以不用卸载

然后写入黑名单屏蔽nouveau：

sudo vi /etc/modprobe.d/blacklist.conf

到最后添加：

blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv

保存退出。

lsmod | grep nouveau
#看是否有输出，没有输出说明屏蔽成功，可以跳过下一步；如果有输出接着下一步。

==================================

sudo update-initramfs -u

lsmod | grep nouveau

#这样应该没有输出了，如果还有重启一次就好了。

==================================

sudo /etc/init.d/lightdm stop
sudo init 3
chmod a+x NVIDIA-Linux-x86_64-410.78.run
sudo ./NVIDIA-Linux-x86_64-410.78.run -no-x-check -no-nouveau-check -no-opengl-files 
nvidia-smi

sudo /etc/init.d/lightdm start
#安装驱动完成。

2、和cuda一起安装：

上面的方式我是看到很多博客总结出来的，我并没有按照上面的执行，我在官网下载的是deb格式的驱动，我就没按照那么安装，我就在安装cuda的时候顺便安装了一下驱动，下面会讲到，比较简单。

三、安装cuda

我在这里花的时间最多，关于cuda+cudnn+Tensorflow版本的问题，纠结了好半天，这里给一个参考这是我目前发现的关于版本对应的最好的一个总结，如果你不想那么麻烦，你可以按照我的安装版本直接安装cuda_9.0.176_384.81_linux.run+ cudnn-9.0-linux-x64-v7.solitairetheme8+tensorflow 1.8.0，其中cudnn是7.0.5。进入你自己下载cuda和cudnn的目录然后开始安装：

sudo bash ./ cuda_9.0.176_384.81_linux.run

首先出现的就是说明，按q退出，输入accept接受，回车。

接下来就是关于你是否安装驱动，这里要注意，如果你上面安装驱动是按照第一种方式，自己已经安装好了，那么此时你选择n然后回车；如果你上面是第二种方式，没有安装驱动，那么你此时选择y，然后回车。

剩下的可以一并选择y就可以了。

==================================

这里如果遇到这个问题：

If you're sure that X is not running, but are getting this error, 
please delete any X lock files in /tmp.

那么你需要删除一个文件：

sudo rm /tmp/.X0-lock

接下来在重新执行cuda的安装文件就可以了。

==================================

打开.bashrc文件添加如下路径，我的.bashrc文件在/home/colab下，如果没有找到直接终端输入一部分然后用tab补齐或者终端ls –a命令查看。

sudo vi .bashrc
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
#可能这里的路径区别就在与cuda的版本问题，这里有cuda和cuda x.x两个文件夹，
#这两个文件夹是软连接的关系，相当于windows里面的快捷方式，所以添加谁都可
#以。保存退出。
source ~/.bashrc
nvcc --version
#如果显示下面的图示就说明成功了。

四、安装cudnn

终端运行：

tar xf cudnn-9.0-linux-x64-v7.solitairetheme8

会在当前目录中解压出一个名为cuda的文件夹，结构如下：

复制cudnn中的文件到CUDA中：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
#然后运行：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

出现如下就说明替换成功了：

五、安装tensorflow

我这里自带python2和python3的版本，我需要用到python3，所以我用pip3去安装到python3的库中（默认安装路径：/usr/local/lib/python3.5/dist-packages/）我这里指定的1.8.0的版本，同时因为我是教育网，所以用的清华的pip源：

sudo pip3 install tensorflow-gpu==1.8.0 –i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后进入python3测试：

python3
>>>import tensorflow

如果没有报错，那么恭喜你安装成功了！

==================================

我之前在这里报了个错误：

ImportError: 
    libcublas.so.9.0 cannot open shared object file: No such file or directory

1、libcublas.so.9.0的路径在/usr/local/cuda/lib64下，这个是cuda里的一个库文件，你进入这个目录查看这个文件是不是在，如果同名但是版本不同，就说名你的cuda和tensorflow的版本不匹配，你需要卸载重新换版本安装。

2、等我更换了后来的版本，发现这里能安装了，也能成功引用了，应导师要求，为了给其他同学用，需要给其他同学创建账号也使用tensorflow，但是！！！我发现（我用colab账号装的cuda）只有当时安装cuda的账号可以成功引用tensorflow，其他的账号同样报错ImportError: libcublas.so.9.0 cannot open shared object file: No such file or directory，我首先怀疑是不是权限问题，于是我把所有的账号都放到了同一个组，再次尝试，依旧不行……，我去修改tensorflow的权限，给了一个777（非常不建议！！！），还是不行……，正当我不知道怎么办的时候，我想到了一个事情，colab账号可以使用，其他账号（包括root）不可以用，而且还是引用错误，那就说明是这个库文件可能只属于colab，于是我就把这个库放到了共享库的配置文件中，文件是/etc/ld.so.conf

命令行中执行：

sudo echo "/usr/local/lib" >> /etc/ld.so.conf
sudo ldconfig

但是又出错了（我不清楚这里是***作问题还是都有这个问题）……

报错是：

libcudnn.so.7 is not a symbolic link

于是我进入/usr/local/cuda/lib64文件夹，找到libcudnn.so.7,发现别的文件都是四个一组，两个软连接，一个库文件，一个普通文件，唯独libcudnn.so.7这个是三个库文件和一个普通文件，于是我仿照其他的库文件修改成了两个软连接，一个库文件，一个普通文件的组合。

再次执行：

sudo ldconfig

没有报错，切换到其他账号，进入python3编辑器，再次测试：

python3
>>>import tensorflow

这次终于成功了！！！！这次弄前后一共花了四天时间，卸了装，装了卸，各种坑，希望以后再有人遇到这些问题能够快速解决。