无sudo权限，参考https://blog.csdn.net/weixin_41278720/article/details/81255265
CUDA Toolkit 9.0和cudnn 7

CUDA Toolkit 9.0.png
参考https://www.jianshu.com/p/9c98d51e4de3
1.下载好文件，进入文件路径
2.运行安装命令

sudo sh cuda_9.0.176_384.81_linux.run

3.安装过程中的一些选择

Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 396.37?
(y)es/(n)o/(q)uit: n

Install the CUDA 9.0 Toolkit?
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
 [ default is /usr/local/cuda-9.0 ]: 

Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y

Install the CUDA 9.0 Samples?
(y)es/(n)o/(q)uit: y

4.在/usr/local可以看到cuda cuda-8.0 cuda-9.0 cuda-9.2
5.在~/.bashrc中添加/修改环境变量：

export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64  
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64  

在终端运行source ~/.bashrc使之生效

6.nvcc --version查看当前使用的cuda版本
将其切换到cuda-9.0

sudo rm -rf /usr/local/cuda  #删除之前创建的软链接
sudo ln -s /usr/local/cuda-9.0  /usr/local/cuda  #创建新的软链接
nvcc --version

测试

编译并测试设备 deviceQuery

cd /usr/local/cuda-9.2/samples/1_Utilities/deviceQuery 
sudo make
./deviceQuery 

编译并测试带宽 bandwidthTest

cd ../bandwidthTest
sudo make 
./bandwidthTest

如果这两个测试结果都是Result = PASS，则说明安装成功了

根据cuda-cudnn找对应版本

https://developer.nvidia.com/rdp/cudnn-archive

cudnn-archive.png

1.进入下载好的文件目录，用命令解压：

cp cudnn-9.0-linux-x64-v7.solitairetheme8 cudnn-9.0-linux-x64-v7.0.5.tgz
tar -xvzf cudnn-9.2-linux-x64-v7.4.2.24.tgz

在解压后，得到的cuda目录下执行复制lib64和include文件夹到usr/local/cuda-9.0：

sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/

之后执行
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
查看cudnn版本为7.0.5：

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 5
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

解决 ImportError: libcublas.so.9.0: cannot open shared object file: No such file

可能原因，CUDA版本不对

1、查看下版本信息

cat /usr/local/cuda/version.txt  

2、根据CUDA和tensorflow版本对应的关系表，检查自己的版本是否匹配

3、如果不匹配

请安装相应的TensorFlow或者CUDA版本

安装对应版本TensorFlow的GPU版本

pip install tensorflow-gpu==版本号

安装对应版本的CUDA Toolkit 9.0

4、如果匹配，仍然报错
那是因为你的cuda环境变量配置有误，请执行：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/【CUDA版本】/lib64

例如

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64