目录
1 显卡要满足cuda develop的支持
2 安装cuda的同时装内置的driver
3 安装
删除原有的NVIDIA驱动程序
bios禁用secure boot，也就是设置为disable
禁用nouveau
重启reboot
停止可视化桌面：
安装driver
重启
安装cudnn
直接测试高版本tensorflow-gpu==2.5.0
5 安装和测试低版本tensorflow-gpu
安装anaconda，构建conda环境
测试案例
配置环境
测试
NVIDIA最新的GPU 3090和tensorflow-gpu目前有些不兼容（之后这些问题应该会逐渐消失），试过几个driver版本，cuda版本后，经过各种折腾后终于测试通过。推荐下面的版本：
Ubuntu：18.04.5NVIDIA Driver：470.42.01CUDA Version：11.4cudnn Version：cudnn-8.2.2.26
1 显卡要满足cuda develop的支持
不是所有的NVIDIA的显卡都可以支持cuda develop，super系列都不支持，如2080s，不支持cuda develop的无法做深度学习（即不支持tf和pytorch），cuda develop支持的显卡列表：
/cuda-gpus
2 安装cuda的同时装内置的driver
在/geforce/drivers/网站搜索3090+linux64环境下支持的driver最低版本；
在/cuda/cuda-toolkit-release-notes/index.html#cuda-major-component-versions网站的table3 看一下cuda对driver版本的最低要求；
从/cuda-toolkit-archive网站选择合适的cuda版本，不需要额外装driver，cuda含有适配的driver的最低版本。
注意：新发行的GPU不能装太低版本的driver，这要求我们要装的cuda内含有默认的driver版本不能太低，比如cuda_11.2.0_460.27.04_linux.run文件，装cuda11.2内置的driver为460.27.04，这个版本的driver不支持3090，这就导致你装cuda失败。
新版本GPU装低版本cuda解决方法：
第一种方法，可以采用cuda和driver分开装，在/drivers/unix/linux-amd64-display-archive/网站找一个高版本的driver安装好，再去/cuda-toolkit-archive找到你要的低版本cuda，同时在安装cuda的时候不要选中默认的driver；
第二种方法（推荐），机器直接装高版本cuda（内置的driver是支持新发行的GPU的），利用conda install cudatoolkit==x.x.x cudnn=x.x.x装低版本的cuda，这里的cudatoolkit是给tf或pytorch使用的，不可以不装高版本的cuda.run文件，只装cudatoolkit+driver会报错，因为cudatoolkit缺少很多run文件中才有的库。
RTX-3090我选的是cuda_11.4.0_470.42.01_linux.run，即cuda11.4+driver470.42.01。
在/rdp/cudnn-download网站选对应cuda版本的cudnn加速库，这里需要注册英伟达开发者账号下载，我选的是cudnn-11.4-linux-x64-v8.2.2.26.tgz，其他历史版本/rdp/cudnn-archive
3 安装
删除原有的NVIDIA驱动程序
如果你没有安装过，或者已经卸载，可以忽略:
sudo apt-get remove --purge nvidia*
bios禁用secure boot，也就是设置为disable
如果没有禁用secure boot,会导致NVIDIA驱动安装失败，或者不正常。
禁用nouveau
打开编辑配置文件：sudo gedit /etc/modprobe.d/blacklist.conf
在最后一行添加：blacklist nouveau
这一条的含义是禁用nouveau第三方驱动，之后也不需要改回来。
由于nouveau是构建在内核中的，所以要执行下面命令生效:
sudo update-initramfs -u
重启reboot
重启之后，可以查看nouveau有没有运行:
lsmod | grep nouveau # 没输出代表禁用生效
停止可视化桌面：
为了安装新的Nvidia驱动程序，我们需要停止当前的显示服务器。
最简单的方法是使用telinit命令更改为运行级别3。
sudo telinit 3
之后会进入一个新的命令行会话，使用当前的用户名密码登录
安装driver
给驱动文件增加可执行权限：chmod777cuda_11.4.0_470.42.01_linux.run
然后执行安装：sudo bash cuda_11.4.0_470.42.01_linux.run
accept 后在options中选 '不要装openGL'
重启
安装cudnn
tar -xvf cudnn-11.4-linux-x64-v8.2.2.26.tgz
cd cuda
sudo cp include/* /usr/local/cuda/include
sudo cp lib64/* /usr/local/cuda/lib64
直接测试高版本tensorflow-gpu==2.5.0
import tensorflow as tf; print('GPU',tf.test.is_gpu_available()) 返回True代表成功。
5 安装和测试低版本tensorflow-gpu
安装anaconda，构建conda环境
anaconda安装和使用自行百度
测试案例
低版本的tf，相应的cuda版本也要降级，采用conda安装低版本的cudatoolkit兼容高版本的cuda。
python=3.5cudnn=7.6.5cudatoolkit=9.0tensorflow-gpu=1.11
配置环境
conda create -n randlanet python=3.5
conda activate randlanet
conda install cudatoolkit=9.0 cudnn -c https://mirrors./anaconda/pkgs/main/
pip install tensorflow-gpu==1.11
测试
import tensorflow as tf; print('GPU',tf.test.is_gpu_available()) 返回True代表成功。
