1.查看GPU及驱动版本号

查看GPU：

命令：lspci | grep -i nvidia

查看驱动版本

sudo dpkg --list | grep nvidia-*
  
# 或者ubuntu-drivers devices

查看显卡型号

lspci | grep -i nvidia

查看发布版本号

cat /etc/issue

lsb_release -a

查看内核版本号

uname -sr

uname -a

查看GPU可用性

conda activate tensorflow

python

import tensorflow as tf
print(tf.test.is_gpu_available())
#如果结果是True，表示GPU可用

查看cuda可用性

conda activate tensorflow

python

import tensorflow as tf
tf.test.is_built_with_cuda()
print(tf.test.is_built_with_cuda())
#返回True表示可用

2.查看python、tensorflow版本：

conda activate tensorflow

python

import tensorflow as tf
#查看版本
tf.__version__    #或者print(tf.__version__)

#查看tensorflow安装路径
tf.__path__  #或者print(tf.__path__)

3.Ubuntu（Linux）系统下查看自己安装的CUDA和CUDNN的版本

CUDA：

（1）cat /usr/local/cuda/version.txtcat 

（2）nvidia-smi

（3）nvcc -V

（4）conda list | grep cuda

CUDNN：

（1）cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

（2）conda list | grep cuda

4.TensorFlow、Python、CUDA、CUDNN对应版本对应关系：

链接：https://tensorflow.google.cn/install/source#linux

5.Ubuntu22.04安装NVIDIA驱动

（1）安装驱动前一定要更新软件列表和安装必要软件、依赖

sudo apt-get update 										#更新软件列表

sudo apt-get install g++

sudo apt-get install gcc

sudo apt-get install make

（2）查看GPU型号

lspci | grep -i nvidia

(3)官网下载对应驱动（英文路径）

官方驱动链接:https://www.nvidia.cn/Download/index.aspx?lang=cn

（4）卸载原有驱动（第一次安装就不需要了）

sudo apt-get remove --purge nvidia*

（5）禁用nouveau(nouveau是通用的驱动程序)

sudo gedit /etc/modprobe.d/blacklist.conf 或者(blacklist-nouveau.conf)

在打开的blacklist.conf末尾添加如下，保存文本关闭

blacklist nouveau

options nouveau modeset=0

（6）在终端输入如下更新，更新结束后重启电脑

sudo update-initramfs –u

（7）重启后在终端输入如下，没有任何输出表示屏蔽成功

lsmod | grep nouveau

（8）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。

sudo telinit 3
# 或者按Ctrl + Alt + F1~F6中的一个 (分别对应进入tty1~tty6)）

输入用户名（终端下@前面就是用户名）和密码

退出文本界面到图形界面

sudo telinit 5
# 或者Ctrl + Alt + F1/F7/F8 

（9）在文本界面中，禁用X-window服务,在终端输入

sudo /etc/init.d/gdm3 stop

（10）进入到存放驱动的目录下，输入命令：

sudo chmod 777 NVIDIA-Linux-x86_64-525.89.02.run#给你下载的驱动赋予可执行权限，才可以安装

sudo ./NVIDIA-Linux-x86_64-525.89.02.run   #安装

（11）安装结束后输入输入sudo reboot重启。

（12）驱动安装好后，终端输入nvidia-smi 检查是否装好，出现类似下方这样，就好了。

然后输入nvidia-settings 调出设置界面，类似下方这样，就OK了。

6.下载安装CUDA

（1）在官网下载cuda

链接：https://developer.nvidia.com/cuda-toolkit-archive 

（2）选择runfile的方式安装

按照下载引导，进行下载和安装

详细过程选择：

continue
accept
在此之前已经装过显卡驱动了，所以需要取消Driver选项。
install

(3)配置环境变量

sudo vim ~/.bashrc
或者sudo vi ~/.bashrc

打开文件后在文末添加环境（注意cuda文件名，根据情况写）

export PATH= $PATH:/usr/local/cuda-11.7/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.7/lib64
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.7

刷新环境

source ~/.bashrc

(4)验证是否安装成功

nvcc -V

像这种情况就是成功了

7.安装CUDNN的方法

（1）下载CUDA版本对应的CUDNN版本：

https://developer.nvidia.com/rdp/cudnn-archive#a-collapse805-111

https://developer.nvidia.com/rdp/cudnn-download

（2）注册完成后，找到对应版本进行下载

（3）参照官方文档进行安装：

https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#installlinux-tar

tar -xvf cudnn-linux-x86_64-8.8.0.121_cuda11-archive.tar.xz

sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda-11.7/include 

sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda-11.7/include 

sudo chmod a+r /usr/local/cuda-11.7/include/cudnn*.h /usr/local/cuda-11.7/lib64/libcudnn*

（4）检查版本及验证

cat /usr/local/cuda-11.7/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

这是小编在学习过程中整理的，如有错误请大家多多指正，文章就分享到这里，希望对大家有帮助！