深度学习需要使用使用GPU加速，在安装tensorflow之前需要根据选用的版本安装 就我的经验而言，CUDA的安装在Linux上比Windows10上的安装坑多了些。一开始使用Ubuntu18.04.4安装CUDA两次都失败了，查找原因是Ubuntu18.04.4内核不满足要求，因此在安装之前一定要首先查看官方的安装文档，不需要首先安装显卡驱动，安装CUDA时会自动安装一个NVIDIA的显卡驱动。
根据官方文档的介绍，在安装前检查操作系统环境。
验证GPU $ lspci | grep -i nvidia 验证Linux版本信息 $ uname -m && cat /etc/*release 验证是否安装gcc编译器 $ gcc --version如果没有安装，需要首先安装gcc 4. 验证系统内核
$ uname -r在官方网站找到所需版本进行下载安装。 选择完成后，在官方页面中Base Installer栏中会显示安装的具体步骤。 这里也可以选择runfile安装方式，据说坑会少点。 在第二步时，只需要将替换为自己的版本即可，或者在第一步完成后，最后会提示下一步安装命令，复制执行即可，接下来仍然按照Base Installer3、4步骤来就可以。
安装完成后需要重启，才能使安装生效。 重启完成后，验证显卡驱动是否完成：
$ nvidia-smi如果打印出显卡信息，表示安装成功。 然后验证CUDA是否安装成功。
$ nvcc -V如果提示
Command 'nvcc' not find ,but can be installed with: sudo apt install nvidia-cuda-toolkit千万不要直接执行这个提示的命令，有可能只是没有将CUDA的编译器添加到环境变量中。 进入/usr/local中查看是否包含有cuda-10.1的目录：
$ cd /usr/local/ $ ls如存在cuda-10.1目录，进入此目录，运行nvcc查看cuda是否安装成功：
$ cd cuda-10.1 $ ls $ ./bin/nvcc -V打印如下信息表明安装成功 最后将nvcc编译器添加到环境变量中：
$ vim ~/.bashrc在其中添加： 使配置文件生效
$ source ~/.bashrc官方下载cudnn，下载cudnn需要注册账号，然后选择匹配CUDA版本的cudnn下载，有两种安装方式，下载黑色框文件使用tar方式安装，下载红色框使用deb方式安装，第二种方法包含测试用例。参考官方安装教程。
添加如下环境变量：
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH使配置生效：
$ source ~/.bashrc如果cuDNN正确安装，将会打印出如下信息:
Test passed!没有安装经验的小伙伴，安装之前一定要多看一些安装教程，对过程有熟练的了解，再开始实际安装，enjoy coding.
