将笔记本的ubuntu系统更新到18版本后重新配置深度学习环境，在此记载方便日后参考
具体配置为 Ubuntu18.04+gtx1060+opencv-3.1
第1步 安装依赖包
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install git cmake build-essential要确保这些依赖包都成功安装，不然后续出错让人忧伤
第2步 禁用nouveau
禁用nouveau后才能顺利安装NVIDIA显卡驱动
先通过命令打开配置文件
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf然后写入
blacklist nouveau option nouveau modeset=0 保存文件后关闭，更新后才能生效
sudo update-initramfs -u第3步 配置环境变量
打开配置文件
sudo gedit ~/.bashrc写入
export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH 保存后退出
第4步 安装测试cuda（默认已安装好显卡驱动）
官网 https://developer.nvidia.com/cuda-downloads
下载后缀为.run 的文件
执行如下命令安装
sudo sh cuda_9.0.176_384.81_linux.run回车键可加速翻页
其中出现如下选项，不知是否会出错，有点忧伤
You are attempting to install on an unsupported configuration. Do you wish to continue?
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
(y)es/(n)o/(q)uit: no
这一选项要选择no
然后进行测试
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery出现如下信息则安装成功
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.1, CUDA Runtime Version = 9.0, NumDevs = 1
Result = PASS配置环境变量
sudo gedit /etc/profile ###修改计算机环境或者
sudo gedit ~/.bashrc ###修改用户环境写入
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH重启电脑
sudo reboot ###修改计算机环境后source ~/.bashrc ###修改用户环境后第5步 安装cudnn
官网：https://developer.nvidia.com/rdp/cudnn-download 下载cuda对应版本的cudnn
本人下载的是cudnn-9.1-linux-x64-v7.tgz
百度网盘链接链接: https://pan.baidu.com/s/1rPEoJEzAmg-3g6juZSSmmA 密码: vpx6
解压后得到cuda文件夹
cd include && sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
cd .. && cd lib64
sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.7 #删除原有动态文件
sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7 #生成软衔接
sudo ln -s libcudnn.so.7 libcudnn.so #生成软链接 然后将路径添加到动态库
sudo gedit /etc/ld.so.conf.d/cuda.conf写入
/usr/local/cuda/lib64 保存后更新
sudo ldconfig 安装完成后可用 nvcc -V 命令验证是否安装成功，若出现以下信息则表示安装成功：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176第6步 安装opencv3.1
官网 : http://opencv.org/releases.html
下载合适版本，解压后进入opencv目录
mkdir build && cd build # 创建编译的文件目录
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j8 #编译
sudo make install安装完成后通过查看 opencv 版本验证是否安装成功：
pkg-config --modversion opencv 卸载opencv的方法
进入 opencv/build 目录下
sudo make uninstall 然后
sudo rm -r /usr/local/include/opencv2 /usr/local/include/opencv /usr/include/opencv /usr/include/opencv2 /usr/local/share/opencv /usr/local/share/OpenCV /usr/share/opencv /usr/share/OpenCV /usr/local/bin/opencv* /usr/local/lib/libopencv 第7步安装tensorflow
pip install --index-url https://pypi.douban.com/simple tensorflow-gpu==1.8.0
第8步 安装pyTorch
先安装好 Anaconda
百度网盘
链接：https://pan.baidu.com/s/1TKmzVy8yY00RbCESCP2AHA 密码：hfjv
环境变量设置
sudo gedit ~/.bashrc
$ export PATH=/home/ye/anaconda3/bin:$PATH给conda增加源
# 优先使用清华conda镜像
conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# 也可选用科大conda镜像
conda config --prepend channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
cat ~/.condarc #查看文件内容有无国内源信息，若有，则成功安装 pytorch==0.4.0，torchvision
conda install pytorch==0.4.0 #cpu版本，可以根据需求改为gpu版本
conda install torchvision测试，若
import torch无报错，则成功