Ubuntu14.04+python3.5+cuda10.1+cudnn7.6+tensorflow-gpu1.14安装过程
以前在学校做科研期间多次装过深度学习环境，所以这次也不算难，而且本人很享受这种遇到问题独自解决问题的乐趣，希望我遇到更多的问题，解决更多的问题哈哈。以前在学校装过caffe（cup版），tensorflow,keras,pytorch等，除了带gpu的caffe非人类之外（传言隔壁实验室某同学装gpu版caffe装了两个月，我实验室同门也装了一个多月才装好，等到我装了一个星期没装好，我放弃了，为了一个框架安装花一个月真不值得，我还是装个cpu版的caffe玩玩算了），其他的深度学习框架安装都比较简单，你需要的是耐心加细心，不需要太多智商哈哈。
首先声明我用的系统是ubuntu14.04,本系统自带python3.4和python2.7。但是最近下载一个代码要求python是3.5的，所以我打算卸载掉python3.4，重新装个python3.5。因为，如果环境中有多个python，在使用python时候需要指定或者配置以确保使用的是自己想要的python版本，因此我觉得卸载掉重装是最快的方式。因此我卸载掉了python3.4，我没有想到ubuntu自带的python有这么大的影响，我执行命令后去喝了一杯茶，回来发现我的系统崩了，菜单栏都成了问号，网络成了一条横线，我想糟了！！！赶紧重启一下试试！！没想到重启后无法进入图形界面，我的天哪！！赶紧ctr+alt+F1,我检查了下我的tensorflow，keras，cuda，cudnn,ros都不在了，我试着用pip重新修复，不行，换来apt-get不行各种都试了试，还换了镜像均告失败。我冷静想了下，我把网都搞坏了这些当然都没用，即使网是好的我东西都别我干掉了跟重装有什么区别！！我的唯一办法就是重装系统，太手残了。。。。。。我很快重新装好了ubuntu14.04和NVIDIA驱动，然后隔天开始装本文说的环境。
首先ubuntu14.04对应的驱动我安装的是NVIDIA-Linux-x86_64-418.74.run，驱动的版本和你将要安装的cuda的版本是有关系的，有限制条件的，具体网址如下https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
根据我的nvidia驱动版本我应该安装CUDA10.1，因此进入官网下载。具体下载地址如下https://developer.nvidia.com/cuda-toolkit-archive
下载后在ubuntu中ctr+alt+F1登录输入密码，然后执行
sudo service lightdm stop
切换到指定目录执行sudo sh cuda_10.1.168_418.67_linux.run命令。
然后执行
sudo service lightdm start
我开始时候是直接执行的sudo sh cuda_10.1.168_418.67_linux.run命令报错，因此执行了sudo service lightdm stop修正再执行然后成功。
然后ctr+alt+F7切换回图形化界面。
然后sudo gedit /etc/profile
在打开的文件中末尾加入以下三行：
export CUDA_HOME=/usr/local/cuda-10.1
export PATH=$CUDA_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
然后执行source /etc/profile使得对应文件生效。
然后检查是否cuda安装成功：
nvcc --version
出现上图这样证明已经装好了。然后需要运行cuda提供的例子，看看自己是否配置ok，这部分比较匆忙没有截图。。。。
然后安装cudnn
首先下载cudnn，具体下载网址如下
https://developer.nvidia.com/rdp/cudnn-download下载可能需要你注册账号花几分钟哈哈。
cudnn和cuda也有版本对应关系，进入下载页面
由于我自己的cuda是10.1的，因此下载时候提示需要下载的cudnn版本。进入后再选中对应的系统。
最后我下载的是libcudnn7-dev_7.6.2.24-1+cuda10.1_amd64.deb。下载后解压
sudo dpkg –X libcudnn7-dev_7.6.2.24-1+cuda10.1_amd64.deb extract
sudo cp extract/usr/include/cudnn.h /usr/local/cuda-10.1/include
sudo cp extract/usr/lib/x86_64-linux-gnu/libcudnn* /usr/local/cuda-10.1/lib64
sudo chmod a+r /usr/local/cuda-10.1/include/ cudnn.h /usr/local/cuda-10.1/lib64/ libcudnn*
然后安装tensorflow-gpu
sudo pip install –i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
执行这一步的时候我遇到了很多问题首先是pip的问题，我使用pip 或者pip3安装。由于此时我还没有下载python3.5也没有安装，所以此时我想着如果我使用pip安装，对应会安装好python2.7对应的tensorflow-gpu，如果我使用pip3安装，会安装好python3.4对应的tensorflow-gpu，因此我先使用pip安装报错，再使用pip3安装，仍然报错，错误都一样。
分析这个错误，我觉得可能是pip和pip3的版本不够新，因此我更新了pip和pip3
sudo pip install --upgrade pip
sudo pip3 install --upgrade pip
更新过后再次尝试，果然pip就好了，这个错误消失了，但是pip3仍然报这个错。我猜想可能这次真是我python3.5跟pip3不太搭哈哈，因此我下载了python3.5安装配置好了再次使用pip3安装果然就好了。
在安装tensorflow-gpu的时候还遇到过一些其他问题，都是些什么包呀啥的重新补充更新或安装就好了，比较容易。
安装好了输入python 此时看到我的python 是2.7.6的版本，然后import tesorflow as tf 正常，然后输入tf.test.gpu_device_name()一切OK，说明安装上了带gpu的tensorflow。具体如下图说明正常。
但是此时python对应的是2.7的，并不是我想要的，因此我卸载了tensorflow重新安装哈哈。不要怕麻烦，我就是没想着很快装好，我只想啥事都亲自做一遍，搞定它。然后我执行命令
sudo pip uninstall tensorflow_gpu卸载掉了。然后我重新安装python3.5，搞起。
sudo apt-get update（更新apt-get）
sudo apt-get install python3.5(安装python3.5)
sudo cp /usr/bin/python /usr/bin/python_bak，先备份
sudo rm /usr/bin/python，删除
sudo ln -s /usr/bin/python3.5 /usr/bin/python，默认设置成python3.5，重建软链接这样在终端中输入python默认就是 3.5版本了
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3.5 200
sudo mv /usr/bin/python3 /usr/bin/python3-old
sudo ln -s /usr/bin/python3.5 /usr/bin/python3
执行完后再次查看我的系统发现：
Ok，这正是我想要的结果。
然后我再试试pip3安装tensorflow，这次果然就没有报以前那个错误，可以安装了哈哈。安装好了后执行python，然后输入import tesorflow as tf，然后使用tf.test.gpu_device_name()出问题了，哈哈。截图如下：
这种情况说明你的cpu版的tensorflow是没问题的，但是gpu版的tensorflow不可用，因此必须解决这个问题。因此我想着给每个对应文件创建软连接应该就行了，创建完成后果然七个错误消失了六个，只剩下最后一个libcudnn.so.7这个错误仍然在，因此我切换到/usr/local/cuda-10.1/lib64/ 目录下，查看文件ls，结果并没有发现这个文件，因此我猜测可能是缺少文件导致的，我想着如果我在网上再下载一个cudnn文件，把对应的文件拷贝到这估计这个错误就没了，因此我再次到官网下载了一个cudnn(这次下载的一个linux版本的，没有特定下载ubuntu版本的) cudnn-10.1-linux-x64-v7.6.2.24.tgz。然后解压，然后将下图中所示文件都拷贝到/usr/local/cuda-10.1/lib64/目录下，重新执行python,import tensorflow as tf,tf.test.gpu_device_name()发现这次一切都OK了，哈哈。
期间还遇到过诸多问题，不过是见一个解决一个，基本都解决了，没有解决的就换种思路或者方法。由于当时没有做记录，操作较快没有截图哈哈。