1 显卡驱动
- 可以在N卡官网寻找驱动 > Download Drivers
- 或者直接使用apt安装，先选择我们需要安装的显卡驱动，输入命令
ubuntu-drivers devices
结果显示：
新版本的Ubuntu不需要nouveau等操作，直接按上面建议的安装（可以看到有一个recommened）
sudo apt install nvidia-driver-450
或者：
sudo ubuntu-drivers autoinstall
我在安装后出现如下报错，重启即可
NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.
sudo reboot
其他情况下这样的报错可以试试这个方法：
sudo apt-get install dkms
sudo dkms install -m nvidia -v XXX.XX
2 安装CUDA
- 先去官网下载对应的包，选Ubuntu18.04之后的版本即可 > CUDA Toolkit Archive
这里提一句CUDA和显卡驱动的对应关系，安装CUDA必须要有最低某版本的显卡驱动，而不是一一对应关系。也就是说理论上我安装了最新的驱动可以安装任意版本的CUDA，看你的需求来定（比如tensorflow, pytorch等需要和CUDA版本对应）。比如我图中选择安装的CUDA10.1，需要最低418.39的驱动版本号。对于我们安装最新驱动的情况自然不成问题。
- 由于我们的系统版本是20.04，自带gcc-9，需要降级才能完成安装，降级方法参考https://www.jianshu.com/p/a508a6e0e0b7
- 安装
chmod +x cuda_10.1.105_418.39_linux.run
sudo ./cuda_10.1.105_418.39_linux.run
然后accept，注意下面把Driver去掉（我们已经有driver并不想换），只装CUDA Toolkit即可，然后Install
安装完毕，这里提示我们把环境加到系统变量里，我们在~/.bashrc的末尾添加如下两行，并source生效：
export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc
使用nvcc -V检验是否安装成功
3 安装cuDNN
到官网登录，下载对应版本的cuDNN > cuDNN download
得到 cudnn-10.1-linux-x64-v8.0.4.30.solitairetheme8：
mv cudnn-10.1-linux-x64-v8.0.4.30.solitairetheme8 cudnn.tar
tar -xvf cudnn.tar
sudo cp ./cuda/include/* /usr/local/cuda/include/
sudo cp ./cuda/lib64/* /usr/local/cuda/lib64/
至此cuDNN完成安装
