當(dāng)前的主流深度學(xué)習(xí)環(huán)境配置應(yīng)該都是ubuntu16.04+cuda8.0（或9.0），首次配置ubuntu18.04+Pytorch1.0.1+cuda10.1+cuDNN，踩了不少坑，配置快兩天了，心態(tài)略崩，記錄下來緩和一下此時的心情！

參考資料：
1. Ubuntu 16.04 上安裝 CUDA 9.0 詳細(xì)教程（強(qiáng)烈推薦閱讀，18.04安裝類似）
2. 解決Ubuntu18.04安裝Nvidia驅(qū)動開機(jī)卡死

先總結(jié)一下問題：
ubuntu18.04安裝軟件與更新->附加驅(qū)動中的GTX1080驅(qū)動本身沒有問題，但是安裝了CUDA之后重啟就會出現(xiàn)輸完密碼司機(jī)的情況，這也是本文主要說明的問題。

再說一下結(jié)果：
使用cuda10.1自帶的n卡驅(qū)動安裝的，還是會出現(xiàn)直接輸入密碼死機(jī)的情況，但是找到了解決辦法（并不好用，但是沒有辦法）。

1. 首先按照win10下安裝類似在anaconda目錄建了一個虛擬環(huán)境，打算在虛擬環(huán)境下安裝pytorch+cuda+cudnn，但是裝完發(fā)現(xiàn)都在base環(huán)境下，不知道怎么回事，求解答。。安裝Pytorch，安裝之前切記提前看好Pytorch gpu版支持的cuda版本，一定要與下載的cuda相同（我這里Pytorch支持的是cuda10.0，下載安裝的cuda是10.1版本，親測可行）
2. 安裝CUDA10.1，這里也是上面問題出現(xiàn)的主要步驟。一般選擇下載就是runfile和deb兩個類型。在選擇下載之前，先看一下我踩的坑。第一次下了deb版本，直接在圖形界面終端用sudo dpkg -i <文件名>安裝的，安裝重啟后就出現(xiàn)輸入登錄密碼后黑屏死機(jī)的情況。先說明一下，這里是n卡驅(qū)動的問題，如果遇到這種情況，這里給出了解決方案：

1. 重啟電腦，在logo出現(xiàn)時一直按shift進(jìn)去grub啟動界面
2. 選擇“ubuntu高級設(shè)置”，回車，可以看到第二項"recovery mode"，光標(biāo)移到該選項，按下字母“e”，進(jìn)行編輯。
3. 光標(biāo)移動到以字符"linux"開頭的那一行，將它的"ro recovery nomodestset"，修改為"rw single init=/bin/bash"，這一行后面如果還有內(nèi)容全部刪除（只是刪除本行后面的內(nèi)容，不要刪除下一行的內(nèi)容），然后按"ctrl+x"或"F10"重新載入，進(jìn)入單用戶模式。
4. 接下來會進(jìn)入單用戶root模式，我們可以輸入下面命令卸載Nvidia驅(qū)動：
   apt remove nvidia* --purge
   卸載過程中選擇“Y”即可全部刪除，刪除完成后重啟輸入密碼就能進(jìn)去圖形界面啦!

既然N卡驅(qū)動和ubuntu系統(tǒng)這么不對付，我們是不是就不能用N卡了呢？不是這樣的。機(jī)（ku）靈（bi）的我又查閱了很多資料，終于意外的發(fā)現(xiàn)了這篇圣經(jīng)，他解決的是16.04上安裝N卡驅(qū)動后重啟在登錄界面無限循環(huán)的問題，但是卻給了我一個思路去解決輸入密碼后死機(jī)的問題。

大家可以直接按照原作者的步驟來做，因為ubuntu版本更新的原因，有少量步驟結(jié)果略有不同，但是大體上還是一樣的，即選擇runfile文件下載，在TUI（即文本命令行界面，ubuntu18.04進(jìn)入很迷，一般是在重啟后ubuntu的logo出現(xiàn)時按ctrl+alt+F2～F6都行，然后ctrl+alt+F1回到圖形界面，如果時機(jī)掌握的不好就重啟再試一次吧哈哈）界面登錄，并安裝.run文件，這里建議將.run文件名更改為類似cuda10.1.run，并將文件放在 /home/<用戶名> 目錄下，方便安裝。

這里注意，cuda10.1安裝提示可能與原博文中有出入，先輸入accept，然后選擇install安裝即可。安裝完成后按照文章中步驟測試。再次重啟后，會發(fā)現(xiàn)直接進(jìn)去還是會死機(jī)（心如死灰。。）。怎么辦呢？

重點來了?。。?/strong>

sudo dpkg -i <deb文件路徑和文件名>
sudo apt install libcudnn7(寫這篇文章時是cudnn7版本)

sudo gedit ~/.bashrc
export PATH="/home/xupp/anaconda3/bin:$PATH"

#測試Pytorch是否下載成功
import torch
#測試cuda能否使用，能使用則返回True
print(torch.cuda.is_available())

True
#測試cuDNN是否正常，正常返回True
from torch.backends import cudnn
a = torch.tensor(1.)
cudnn.is_acceptable(a.cuda())

True