1、先查看是否安装有以下组件，若有先考虑彻底删除再安装（安装严格按照下面顺序进行）
查看nvidia 版本
nvidia-smi
查看cuda 版本
cat /usr/local/cuda/version.txt
查看cudnn 版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
2.安装nvidia驱动
1.禁用系统默认nouveau显卡驱动
打开系统黑名单，命令如下 ：
sudo vi /etc/modprobe.d/blacklist.conf
在blacklist.conf文件中添加禁用的显示设备，文件尾部追加内如如下:
# for nvidia display device install
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb
保存blacklist.conf文件，然后更新内核,命令如下:
sudo update-initramfs -u
重启电脑
sudo reboot
重启完成，执行命令如下(查看是否禁用成功，无输出则禁用成功)：
lsmod | grep nouveau
2. 安装RTX1060驱动
首先进入命令行模式
ctrl+alt+f2
由于我们要安装显卡驱动，会影响桌面显示，我们可以先关闭(图形)桌面显示管理器18.04是gdm3,这里根据自己的版本选择就好
ubuntu 16.04是lightdm
sudo service lightdm stop
ubuntu 18.04是gdm3
sudo service gdm3 stop
添加驱动源：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
寻找合适驱动版本：
ubuntu-drivers devices
这里最好去官网https://www.geforce.cn/drivers 注意 笔记本电脑 要选择Notebooks版本的驱动
或者
UBUNTU右上角》系统设置》软件与更新》附加驱动选择》里面看看系统推荐的版本号，最好根据这个进行选择，为了避免更多未知的坑(不推荐直接在附加驱动选择直接安装：失败概率有些高，而且容易造成循环登录的问题)
sudo apt-get install nvidia-390
然后开启桌面管理器或者直接重启
sudo service gdm3 restart
或者
sudo reboot
重启后
查看nvidia 版本
nvidia-smi
显示则安装成功
nvidia-settings
打开N卡的设置
3.安装cuda
先查看nvidia 驱动，cuda，cudnn对应关系
nvidia与cuda要求的版本对应关系：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
cuda与cudnn需要满足关系：
https://developer.nvidia.com/rdp/cudnn-archive
3.1安装依赖库
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-devlibgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
3.2降级gcc
由于Cuda-9.0只支持gcc-6.0以下的版本，而Ubuntu18.04系统默认安装的gcc-7.3版本（可以在终端输入gcc --version查看系统安装的gcc版本），所以首先需要降级为gcc-5版本。
gcc-5在终端输入：
sudo apt install gcc-5
sudo apt install g++-5
gcc-5版本在终端输入：
cd /usr/bin
sudo mv gcc gcc.bak #备份
sudo ln -s gcc-5 gcc
sudo mv g++ g++.bak
sudo ln -s g++-5 g++
最后查看系统的gcc版本是否已更改
gcc --version
3.2安装对应版本的Cuda
cuda是nvidia的编程语言平台，想使用GPU就必须要使用cuda
https://developer.nvidia.com/cuda-toolkit-archive
保守起见，选择cuda9.0进行安装，也可以选择更高版本的
注意 9.0 是没有 18.04可选的，但我们选择16.04依然可以安装，正常使用（还没遇到过不正常状态）依次下载下面五个installers
基础安装包
sudo sh cuda_9.0.176.384.81_linux.run --override
在安装过程中 按Q跳过阅读more，会出现几个是否选装和安装位置的选项
其中第二个不需要安装NVIDIA驱动（系统已安装），其余都选择yes或者敲回车。
yes no yes 回车 yes yes 回车
四个更新包
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
修改环境变量
安装完Cuda-9.0后，还需要将其添加至系统环境变量。
ubuntu下某些程序需要自己定义LD_LIBRARY_PATH，修改下面文件的环境变量：
sudo gedit ~/.bashrc
打开“profile”文件，在末尾处添加（注意不要有空格，不然会报错):
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64$:LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
#注意这里不要写cuda几点几，因为我们要实现多版本切换
或者你不需要切换版本
export PATH="$PATH:/usr/local/cuda-9.0/bin"
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64"
保存文本后，更新系统环境变量：
source ~/.bashrc
至此，可以通过在终端输入nvcc -V，检查Cuda-9.0是否安装成功。
也可以测试cuda的Samples
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
运行最后显示Result = Pass
注意路径要根据你自己的进行修改
如果显示的是一些关于GPU的信息，则说明安装成功了。
4.安装对应版本的cudnn
首先去官网下载你需要的cudnn，下载的时候需要注册账号。选择对应你cuda版本的cudnn下载。
https://developer.nvidia.com/rdp/cudnn-archive
安装完Cuda之后，继续安装与Cuda-9.0版本对应的Cudnn
cuDNN v7.3.1 Library for Linux
下载时候保存为：cudnn-9.0-linux-x64-v7.4.1.5.tgz
下载后安装非常简单，就是解压然后拷贝到相应的系统CUDA路径下，注意最后一行拷贝时 "-d"不能少，
tar -zxvf cudnn-9.0-linux-x64-v7.4.1.5.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
（更改的权限文件也是实际安装的绝对路径）
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
没有报错就是全部安装完成了
完成后，可以到～/NVIDIA_CUDA-9.0_Samples/文件夹下测试CUDA功能完整性
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
5.安装opencv-python版本
安装pip3，执行命令
sudo apt install python3-pip
安装libopencv-dev依赖包
sudo apt install libopencv-dev
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
安装成功
python3 import cv2 print(cv2.__version__)
6.安装opencv 3.2.0
6.1.安装opencv依赖包
sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev # 处理图像所需的包
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt-get install libxvidcore-dev libx264-dev # 处理视频所需的包
sudo apt-get install libatlas-base-dev gfortran # 优化opencv功能
sudo apt-get install ffmpeg
sudo apt-get install libgstreamer-plugins-base1.0-dev
sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt update
sudo apt install libjasper1 libjasper-dev
6.2.下载opencv-3.4.4
安装opencv可以直接使用命令安装，这里我们下载opencv源码进行编译安装，如下图，官网链接 Releases - OpenCV library：
选择 3.4.4 Sources
wget https://github.com/opencv/opencv/archive/3.4.4.zip
这里建议用linux平台可用的motrix （类似迅雷） 下载
6.3 解压下载好的opencv-3.4.4.zip 然后安装opencv
cd opencv-3.4.4/mkdir buildcd build在cmake配置过程中，需要下载ippicv_2019_lnx_intel64_general_20180723.tgz文件，这个文件下载速度超级慢
总是会卡在（因为墙的缘故，下载龟速，基本都是失败）
-- IPPICV: Download: ippicv_2019_lnx_intel64_general_20180723.tgz
所以这里选择离线单独从百度网盘下载这个文件
百度网盘链接: https://pan.baidu.com/s/1f6QGwcbMNbL9vDLwUX1w6A 提取码: i47f
假设 ippicv_2019_lnx_intel64_general_20180723.tgz 下载后放置于
/home/joe/Downloads
找到并修改ippicv.make文件
/home/joe/Downloads/opencv-3.4.4/3rdparty/ippicv/ippicv.cmake
修改前：
41 set(THE_ROOT "${OpenCV_BINARY_DIR}/3rdparty/ippicv")
42 ocv_download(FILENAME ${OPENCV_ICV_NAME}
43 HASH ${OPENCV_ICV_HASH}
44 URL
45 "${OPENCV_IPPICV_URL}"
46 "$ENV{OPENCV_IPPICV_URL}"
47 "https://raw.githubusercontent.com/opencv/opencv_3rdparty/${IPPICV_COMMIT}/ippicv/"
48 DESTINATION_DIR "${THE_ROOT}"
49 ID IPPICV
50 STATUS res
51 UNPACK RELATIVE_URL)
修改后
41 set(THE_ROOT "${OpenCV_BINARY_DIR}/3rdparty/ippicv")
42 ocv_download(FILENAME ${OPENCV_ICV_NAME}
43 HASH ${OPENCV_ICV_HASH}
44 URL
45 "${OPENCV_IPPICV_URL}"
46 "$ENV{OPENCV_IPPICV_URL}"
47 "file:///home/joe/Downloads/"
48 DESTINATION_DIR "${THE_ROOT}"
49 ID IPPICV
50 STATUS res
51 UNPACK RELATIVE_URL)
修改后，下载 ippicv文件时，会自动从本地文件加载.
更详细的步骤可以参照原文
https://www.aiuai.cn/aifarm792.html
做好预先准备后紧接着前面
cd build
配置命令如下：（这里没有搞定启用opencv cuda加速）
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local ..
使用如下命令进行编译：
make -j7
执行安装命令如下：
sudo make install
安装完成提示如下图：
测试opencv安装是否成功，执行命令如下：
opencv_version
# 3.4.4
这类似于Windows中装完Java要在环境变量里添加PATH一样，为了让系统能够识别，需要做以下几步： 在终端中输入如下语句,打开这个文件：
sudo vim /etc/ld.so.conf.d/opencv.conf
在最后一行添加一句话”/usr/local/lib“，当然它也可能是空的，没关系。输入vim可能会提示你找不到命令，你只需要apt-get install vim，安装一下包再输入命令就可以了。或者如果你不会vim命令，那就直接按照路径/etc/ld.so.conf.d/去找，在该目录下新建一个opencv.conf文件，并且打开编辑，将”/usr/local/lib“添加进去，保存退出即可。
然后运行以下代码配置库：
sudo ldconfig
注意输入完后，什么都不会出现，只是类似于库配置完后刷新一下。然后再打开另一个文件：/etc/bash.bashrc。你可以选择用命令行sudo gedit /etc/bash.bashrc打开或者直接打开都可以。在文件末尾添加两行：
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH
保存并关闭。至此，OpenCV的库就编译和安装完了。撒花~
opencv虽然安装了，但是opecv基于cuda问题没有解决，这里也向小伙伴求助，欢迎小伙伴来指导。
如果opencv安装有以下问题configuring incomplete, errors occurred! 可以参考下面的博客
经过谷歌解决了这个问题
参考csdn中这个大佬的博客 原因解析：cuda9不再支持2.0架构
解决方案如下：
1）.找到FindCUDA.cmake文件
找到行
find_cuda_helper_libs(nppi)
改为
find_cuda_helper_libs(nppial) find_cuda_helper_libs(nppicc) find_cuda_helper_libs(nppicom) find_cuda_helper_libs(nppidei) find_cuda_helper_libs(nppif) find_cuda_helper_libs(nppig) find_cuda_helper_libs(nppim) find_cuda_helper_libs(nppist) find_cuda_helper_libs(nppisu) find_cuda_helper_libs(nppitc)
2）.找到行
set(CUDA_npp_LIBRARY "${CUDA_nppc_LIBRARY};${CUDA_nppi_LIBRARY};${CUDA_npps_LIBRARY}")
改为
set(CUDA_npp_LIBRARY "${CUDA_nppc_LIBRARY};${CUDA_nppial_LIBRARY};${CUDA_nppicc_LIBRARY};${CUDA_nppicom_LIBRARY};${CUDA_nppidei_LIBRARY};${CUDA_nppif_LIBRARY};${CUDA_nppig_LIBRARY};${CUDA_nppim_LIBRARY};${CUDA_nppist_LIBRARY};${CUDA_nppisu_LIBRARY};${CUDA_nppitc_LIBRARY};${CUDA_npps_LIBRARY}")
3）.找到行
unset(CUDA_nppi_LIBRARY CACHE)
改为
unset(CUDA_nppial_LIBRARY CACHE) unset(CUDA_nppicc_LIBRARY CACHE) unset(CUDA_nppicom_LIBRARY CACHE) unset(CUDA_nppidei_LIBRARY CACHE) unset(CUDA_nppif_LIBRARY CACHE) unset(CUDA_nppig_LIBRARY CACHE) unset(CUDA_nppim_LIBRARY CACHE) unset(CUDA_nppist_LIBRARY CACHE) unset(CUDA_nppisu_LIBRARY CACHE) unset(CUDA_nppitc_LIBRARY CACHE)
4）.找到文件OpenCVDetectCUDA.cmake
修改以下几行
...
set(__cuda_arch_ptx "")
if(CUDA_GENERATION STREQUAL "Fermi")
set(__cuda_arch_bin "2.0")
elseif(CUDA_GENERATION STREQUAL "Kepler")
set(__cuda_arch_bin "3.0 3.5 3.7")
...
改为
...
set(__cuda_arch_ptx "")
if(CUDA_GENERATION STREQUAL "Kepler")
set(__cuda_arch_bin "3.0 3.5 3.7")
elseif(CUDA_GENERATION STREQUAL "Maxwell")
set(__cuda_arch_bin "5.0 5.2")
...
5）.cuda9中有一个单独的halffloat(cuda_fp16.h)头文件,也应该被包括在opencv的目录里
将头文件cuda_fp16.h添加至 opencv\modules\cudev\include\opencv2\cudev\common.hpp
即在common.hpp中添加
#include <cuda_fp16.h>
6）重新cmake
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
问题解决
7.卸载Cuda和Cudnn
卸载Cuda-9.0
终端输入
cd /usr/local/cuda-9.0/bin
sudo ./uninstall_cuda_9.0.pl
卸载Cudnn
终端输入
sudo apt remove cudnn*
8.安装tensorflow-gpu
直接通过pip安装Tensorflow-gpu
sudo pip3 install tensorflow-gpu
9. 安装teamviewer
官网选择linux版本，下载ubuntu版本deb安装包，官网链接地址：下载 Linux 版 TeamViewer，进行远程桌面访问和协作
wget https://download.teamviewer.com/download/linux/teamviewer_amd64.deb
这里建议用linux平台可用的motrix （类似迅雷） 下载
下载完成，使用如下命令进行deb包的安装：
sudo dpkg -i teamviewer_amd64.deb
如果出现依赖库安装失败执行如下命令,强制更新类库依赖：
sudo apt-get install -f
安装完成，执行启动teamviewer命令如下：
teamviewer
本文终
本文参考整理自
https://blog.csdn.net/hancoder/article/details/86634415
https://zhuanlan.zhihu.com/p/57803337?utm_source=wechat_session&utm_medium=social&s_r=0
https://www.aiuai.cn/aifarm792.html
y7000笔记本 darknet-yolo安装与测试（Ubuntu16.04+Cuda9.0+Cudnn7.1）
原文：https://www.cnblogs.com/clemente/p/11029117.html