1.查看电脑是否有一个可以支持CUDA的GPU
a.在终端输入命令行（ctrl+alt+T快捷进入终端）：
$ lspci | grep -i nvidia查看电脑GPU信息如下：
b.在终端输入命令行：
$ uname -m && cat /etc/*release验证自己的Linux系统是否支持CUDA:
Ubuntu16.04支持，系统信息如下：
c.在终端输入命令行：
gcc --version
如果显示未安装，则使用如下命令行进行安装：
sudo apt-get install build-essentiald .在终端输入：
$ uname -re.进一步在终端输入：
$ sudo apt-get install linux-headers-$(uname -r)可以安装对应 kernel 版本的 kernel header 和 package development
若以上各项检查均满足要求，便可以进行下面的正式安装过程！
2.安装 NVIDIA 驱动
（1）运行.run文件的方式
步骤如下：
a. 从NVIDIA驱动官网查找电脑的显卡型号然后下载相应的驱动，然后把下载好的文件移动到Home文件夹下，便于后续终端的操作，因为终端默认在Home文件夹下开启，我的电脑型号和驱动信息如下：
b. 禁止集成的 nouveau驱动：ubuntu系统集成显卡的驱动程序是nouveau,它是第三方为NVIDIA开发的开源驱动，我们需要先将其屏蔽才能安装NVIDIA官方驱动。将驱动添加到黑名单blacklist.conf中，但是由于该文件属性不允许修改，所以需要先修改文件属性。
修改属性命令：
$ sudo chmod 666 /etc/modprobe.d/blacklist.conf用 gedit编辑器 打开 blacklist.conf
sudo gedit /etc/modprobe.d/blacklist.conf在该文件后添加几行：
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb保存退出文档编辑器
执行如下命令，更新系统，来禁用 nouveau
sudo update-initramfs -u重启电脑，命令如下：
sudo reboot重启成功后，在终端输入如下命令检查是否禁用 nouveau 成功，无输出，表示成功。这里强调必须是无任何输出才算成功；有的博客里采用其他方法禁用 nouveau，本人尝试后发现不能起到禁用效果，这里只给出对应链接，不做进一步展示；而对于笔者介绍的方法，如果不能起到禁用效果，则可以参考这篇博客，由于本人没有遇到这个问题，希望遇到问题的同学可以借鉴。
c. 按 ctrl+alt+f1 进入文本命令行界面
（按 ctrl + alt + f7 退出界面，进入界面之后先登录，login是指ubuntu系统的用户名，password是指用户名对应的密码，如果密码中有数字，不要使用数字小键盘进行输入，不然会显示密码错误！）
进入命令行后，执行以下命令，关闭图形界面（不执行后面会出错）：
sudo service lightdm stop卸载掉原有驱动：
（若安装过其他版本或其他方式安装过驱动执行此项）
sudo apt-get remove nvidia-*给驱动 run 文件赋予执行权限：
sudo chmod a+x NVIDIA-Linux-x86_64-450.80.02.run安装：
sudo ./NVIDIA-Linux-x86_64-450.80.02.run -no-opengl-files只有禁用 opengl 这样安装才不会出现循环登录的问题
也有执行如下操作的：
sudo ./NVIDIA-Linux-x86_64-450.80.02.run -no-x-check -no-nouveau-check -no-opengl-files但是可能会出错，需要具体情况具体分析；
# 说明
-no-x-check：安装驱动时关闭X服务
-no-nouveau-check：安装驱动时禁用nouveau
-no-opengl-files：只安装驱动文件，不安装OpenGL文件安装过程中的选项：
由于本人在使用该方案时出现了错误，因此后面的安装经验转自这篇博客，此外，本人的报错情况如下图，因此就换了接下来的第二种安装方案；
（2）ppa 源的安装方式
a.禁止集成的 nouveau 驱动，方法同方案一，不再赘述。
b.卸载旧的驱动并添加源
sudo apt-get remove --purge nvidia-*添加源：
sudo add-apt-repository ppa:graphics-drivers/ppa按 enter 键添加；
更新源：
sudo apt-get update寻找合适的驱动版本：
ubuntu-drivers devices
安装 NVIDIA driver
如上图显示 GTX1060显卡 建议的驱动版本是 430
c.按 ctrl+alt+f1 进入命令行界面
在命令行界面下输入如下命令，关闭图形界面，不执行后面会出错：
sudo service lightdm stop卸载掉原有的驱动：
sudo apt-get remove nvidia-*d. 安装并重新启动图形环境
sudo apt-get install nvidia-430重新启动图形环境：
sudo service lightdm start重启电脑：
sudo reboote.查看是否安装成功：
nvidia-smi若安装成功，则如下图所示：
(3)系统设置中安装方式
见博客：系统安装驱动 不推荐使用，因为只能安装最新版的驱动。
至此，NVIDIA独立显卡驱动安装完毕！
3.安装 CUDA9.0
a.官网下载cuda9.0 选择方式如下图：
其中，要下载的内容包括 cuda工具包 和 4个补丁，为了避免出错，建议全部下载下来，不用接外网，校园网就很快，所有内容移动到Home文件夹下，便于后面使用终端直接进行操作，内容如下图所示：
b. 首先安装cuda工具包，之后才可以安装补丁；直接打开终端，输入如下指令，进行cuda工具包的安装：
sudo sh cuda_9.0.176_384.81_linux.run（1）按q键跳过安装须知，输入accept接受。
（2）问你驱动装不装，输入n，选择不装，上面装过了。
（3）问你CUDA装不装，输入y，选择安装。回车键安装在默认位置(也可以自己选择位置安装)。
（4）问你要不要创建链接，输入y，选择创建。
（5）问你sample装不装，因为我们只是调用CUDA，不去写CUDA程序，输入n，选择不安装。
c. 添加路径库以及打补丁：
打开bashrc：
sudo vim ~/.bashrc添加路径，可以加注释以便识别：
# 随便写点啥表示你自己写的不是电脑加的，删除的时候好识别
export PATH="/usr/local/cuda-9.0/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH"使之生效：
source .bashrc使用命令echo $PATH和echo $LD_LIBRARY_PATH查询是否添加成功，运行结果如下：
初次运行的时候不会出现没有那个文件和目录，不需要太在意。
打补丁：
像cuda9.0和cuda9.1都是有补丁的，打补丁很快(和安装cuda一样，不过简化很多)：
sudo sh cuda_9.0.176.1_linux.run
sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run按q退出协议，输入accept，再直接回车即可，每个补丁都如此。
d.验证：
查看nvcc编译器版本以确认cuda版本：
$ nvcc --version
最后一行表示cuda已经是9.0了。接着编译并运行示例代码，进入相应示例代码目录：
$ cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery编译并运行：
$ make -j # 如果报错就使用 sudo make-j
$ ./deviceQuery运行结果如下：
最后的PASS表示程序测试通过，前面已经安装过驱动，因此在安装 cuda9.0 的时候不需要再安装驱动了！
4. 安装cuDNN7.0.5
a.官网下载cudnn7.0.5，需要注册一个新用户才可以。
需要下载的内容有如下几条：
cuDNN v7.6.0 Runtime Library for Ubuntu16.04 (Deb)
cuDNN v7.6.0 Develpoper Library for Ubuntu16.04 (Deb)
cuDNN v7.6.0 Code Samples and User Guide for Ubuntu16.04 (Deb)
cuDNN v7.0.5 Library for Linux
最后一个是必须下载的前三个是为了测试用，可以选择不下载，但一般还是要下载的，如图：
b. cd到下载路径解压文件：
tar -xzvf cudnn-9.0-linux-x64-v7.tgzc. 安装cudnn
cd cuda
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.7
sudo ln -s libcudnn.so.7.6.0 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so
sudo ldconfig其中里面的这些文件要根据自己的实际情况来确定
d. 进行cudnn的测试：
cd 到下载 deb 文件的目录下进行终端操作：
sudo dpkg -i libcudnn7_7.6.0.64-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.0.64-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.0.64-1+cuda10.0_amd64.deb如果发生以下错误，则重新下载deb文件，再执行上面相关的命令行即可；
进行测试：
cp -r /usr/src/cudnn_samples_v7/ /home/wdong/
cd /home/wdong/cudnn_samples_v7/mnistCUDNN
make clean && make # 或者 sudo make clean && sudo make
./mnistCUDNN测试结果如图：
说明cuDNN7.0.5安装成功，至此，cuda环境配置完毕，可以使用anaconda进行各种框架下gpu的配置了！
6.安装Pytorch
虚拟环境需要自己创建，基于conda；
由于 cuda9.0 对应的 Pytorch 版本属于旧版本，因此需要在Pytorch官网进行下载；
本人下载的版本是 Pytorch1.1.0，如下图所示：
本人使用 conda 指令安装 ，安装截图如下：
可以发现，pytorch-1.1.0 和 torchvision-0.3.0 均没有国内的源，因此需要的时间比较长，耐心等待即可安装完毕，或者可以使用 wheel 提前下载，再 cd 到该目录下，使用 conda 或者 pip 安装即可，这种安装方式速度比较快！