修正：Ubuntu 18.04+RTX2080Ti建议安装cuda10.0，cudnn7.5.1，pytorch1.4.0+cu100 / torchvision0.5.0+cu100，tensorflow-gpu1.14.0 修正日期：20200611 安装方式与下文描述类似，只要选择上面的版本安装即可
一、安装cuda（准备工作）
1、检查Linux版本是否支持CUDA Ubuntu18.04 + RTX2080ti 支持 2、检查系统是否安装gcc
gcc --version
3、 检查是否安装了kernel header和 package development 在终端中输入: uname -r 可以查看自己的kernel版本信息 在终端中输入: sudo apt-get install linux-headers-$(uname -r) 可以安装对应kernel版本的kernel header和package development 4、运行nvidia-smi 查看现有驱动支持的cuda版本 
（重要）根据上述运行结果查看driver version和CUDA Version的版本。此外，如果需要安装pytorch或者tensorflow，可登陆pytorch官网进行查看当前pytorch支持的cuda的版本，根据对应的版本下载pytorch。 5、下载官网run文件：cuda官网 
下载完成后，继续下一步。 6、runfile安装 A) 禁用 nouveau 终端中运行： lsmod | grep nouveau，如果有输出则代表nouveau正在加载。 因为我早就安装了NVIDIA的显卡驱动，禁用了nouveau，所以没有输出。 
B) 切换到.run安装文件的路径，运行 sudo sh cuda_10.1.105_418.39_linux.run （10.2版本类似）! 
注意：不安装driver，否则重启之后电脑一直蓝屏（踩坑）。 7、设置环境变量 终端输入：sudo gedit /etc/profile，输密码后进入，打开文件末尾，加入以下两行后保存。（10.2版本类似）
export PATH=/usr/local/cuda-10.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda10.1/lib64
1）在终端输入sudo gedit ~/.bashrc 2）在文本的最后输入
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export PATH=$PATH:/usr/local/cuda-10.1.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1
目录要对应自己的cuda版本 3）然后source ~/.bashrc 激活环境 4）在终端输入nvcc -V出现下面画面则安装成功 !blog.csdnimg.cn/20200528154419611.png 
（图片参考：https://blog.csdn.net/hou9021/article/details/104311088）
重启：sudo reboot 开始测试cuda是否安装成功： 命令如下：
cd /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
最后结果显示，如下： 
(图片参考：https://blog.51cto.com/14204744/2464180?source=dra) 有些地方可能会不一样，只要最后是Result = PASS就代表这cuda10.1安装成功了。
CUDA卸载：
cd /usr/local/cuda/bin
sudo ./cuda-uninstaller
CUDNN安装
安装cuDNN 7.6.5版本，转到官网下载，下载前先注册一下，填个调查问卷，根据自己的环境和架构选择包，下载到本地。 
注意：具体的版本请参照官网，只需要与cuda的版本对应即可 切换到下载目录 cd Downloads ，然后按照以下操作进行， 解压： cuDNN Library for Linux， 输入： tar -zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz 将解压出来的文件复制到安装的CUDA环境中，输入：
sudo cp cuda/include/cudnn.h /usr/local/cuda/inlude
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
更改权限，输入：
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
注意：如果系统提示找不到cudnn.h，可复制cuda/include/cudnn.h到/usr/local/cuda/include/目录下
安装PyTorch1.3
进入PyTorch官网安装合适的版本。 输入： pip3 install torch torchvision ，等待安装结束（现在官网最新版本为1.5） 
安装完成后，进入python3环境，验证是否成功。 输入： python3 再输入：
import torch
import torchvision
没有报错，说明安装成功。 最后验证下GPU能否使用，输入： print(torch.cuda.is_available()) ，输出True，说明没问题。 
参考文章：https://www.cnblogs.com/booturbo/archive/2019/11/11/11834661.html
