在本教程中，我们将深入探讨如何在Ubuntu 18.04操作系统上安装Nvidia驱动程序、CUDA工具包以及CUDNN库，并进一步构建适用于GPU的TensorFlow环境。这是一个涉及多步骤的过程，需要对Linux系统、编译工具和深度学习框架有一定了解。以下是详细的操作指南：
1. **安装Nvidia驱动程序**
在安装Nvidia驱动之前，需要确保系统已更新到最新版本：
```
sudo apt update
sudo apt upgrade
```
接着，添加Nvidia官方仓库：
```
sudo add-apt-repository ppa:graphics-drivers/ppa
```
更新源后，安装最新的Nvidia驱动：
```
sudo apt install nvidia-driver-<version>
```
替换`<version>`为当前可用的版本号。
2. **禁用 Nouveau 驱动**
Nouveau是开源的Nvidia图形驱动，可能与Nvidia官方驱动冲突。在安装Nvidia驱动前，需要临时禁用Nouveau。在GRUB启动加载器中选择“恢复模式”，然后执行：
```
sudo mv /lib/modules/$(uname -r)/kernel/drivers/gpu/drm/nouveau /lib/modules/$(uname -r)/kernel/drivers/gpu/drm/nouveau.bak
```
3. **安装CUDA工具包**
下载CUDA官方安装包，根据你的系统架构选择合适的版本。访问Nvidia官网下载页面并遵循提示。安装时使用默认选项，但确保取消对Nvidia图形驱动的安装，因为已经在上一步骤中单独安装了。
4. **安装CUDNN**
CUDNN是Nvidia提供的深度学习加速库。同样，访问Nvidia官网下载页面获取CUDNN的.tgz文件。解压后将头文件复制到CUDA安装目录的include目录，库文件复制到lib64目录：
```
sudo cp -P cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp -P cuda/lib64/* /usr/local/cuda/lib64/
```
5. **配置环境变量**
编辑`~/.bashrc`文件，添加以下行来设置CUDA和CUDNN的路径：
```
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
```
保存并使更改生效：
```
source ~/.bashrc
```
6. **安装Bazel**
Bazel是Google的构建工具，用于构建TensorFlow。首先安装依赖：
```
sudo apt install build-essential curl
```
下载Bazel安装脚本并执行：
```
curl https://bazel.build/bazel-release.pub.gpg | sudo gpg --dearmor > bazel.gpg
sudo mv bazel.gpg /etc/apt/trusted.gpg.d/
echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
sudo apt update
sudo apt install bazel
```
7. **安装Python 3 和 GCC 编译器**
如果尚未安装，可以使用以下命令安装：
```
sudo apt install python3-dev python3-pip
sudo apt install gcc
```
8. **构建TensorFlow for GPU**
克隆TensorFlow源代码：
```
git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow
```
配置构建选项，确保启用GPU支持：
```
./configure
```
在配置过程中，当询问是否使用GPU时，输入`y`。然后，使用Bazel构建TensorFlow：
```
bazel build --config=cuda //tensorflow/tools/pip_package:build_pip_package
```
创建pip包并安装：
```
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
pip3 install /tmp/tensorflow_pkg/*.whl
```
9. **验证安装**
安装完成后，通过运行简单的TensorFlow示例来验证GPU支持：
```
python3
import tensorflow as tf
device_name = tf.test.gpu_device_name()
if device_name != '/device:GPU:0':
raise SystemError('GPU device not found')
print('Found GPU at: {}'.format(device_name))
```
至此，您已在Ubuntu 18.04上成功安装了Nvidia驱动、CUDA、CUDNN，并构建了适用于GPU的TensorFlow环境。现在，您可以开始使用GPU进行深度学习计算了。注意，随着软件版本的更新，上述步骤可能需要微调。务必检查每个软件的官方文档以获取最新的安装指南。
