最近花了兩三天左右的時間從零開始配置深度學習的環境，查看了大量的博客，也踩了一些坑，謹以此篇記錄一些經驗，希望能對志同道合的各位有所幫助
NVIDIA顯卡驅動安裝：
現在官網查看硬件對應的版本，查看網址：https://www.nvidia.com/Download/index.aspx?lang=en-us
查看好所對應的版本後通過添加ppa源的方式下載
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-390 #此處要根據上面查詢到的版本適當更改
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
安裝好後重啓，並在終端內輸入以下命令行進行測試
nvidia-smi #若出現電腦GPU列表，即安裝成功
CUDA10安裝
和顯卡驅動安裝一致，首先去官網查詢自己所需要安裝的版本，網址https://developer.nvidia.com/cuda-downloads
在這裏我選擇的時deb(network)安裝的方式，較爲簡單，先下載deb文件，deb安裝包下載好後，按照下載地址中指示代碼，進入安裝包所在路徑進行安裝
成功安裝完後需要設置環境變量，終端中輸入
sudo gedit /etc/profile
在打開的文件末尾，添加以下兩行：
#64位系統：
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
#32位系統：
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
這裏有點與官方安裝文檔稍有不同，需要說明，官方文檔裏說只需在終端中運行上述兩條export語句即可，但如果不將它們不寫入/etc/profile文件的話，這樣的環境變量在你退出終端後就消失了，不起作用了，所以寫入纔是永久的做法。
保存文件，並重啓。因爲source /etc/profile是臨時生效，重啓電腦纔是永久生效。
接着在終端中輸入命令行來查看環境變量是否設置成功：
nvcc --version
如果輸出了版本信息，則成功，如果顯示
The program 'nvcc' is currently not installed. You can install it by typing:
sudo apt-get install nvidia-cuda-toolkit
則可能是環境配置沒有成功，需要重新設置
一切就緒後可編譯cuda提供的example來驗證是否安裝成功，網上例子較多，此處不再重複
CUDNN7安裝
同先前安裝一樣，在官網查詢對應的版本號，查詢地址：https://developer.nvidia.com/cudnn
注意此處需要註冊帳號登錄後纔可下載，我用的是google登錄
下載時不要選擇那三個deb文件，不知道爲什麼老是無法安裝成功，選擇前面的tgz文件進行安裝最好，例：
cudnn-10.0-linux-x64-v7.tgz
將此安裝包下載好，後解壓。接着將文件夾中的兩個文件分別複製到對應的文件夾中就好
sudo cp cuda/include/cudnn.h /usr/local/cuda10.0/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda10.0/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
查看cudnn是否安裝正確：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
若爲這樣
則正確
（P.S:按照官網教程即可順利安裝，官網教程地址：cudnn安裝官網教程）
(補上一段命令，貌似加不加上都可以，附上以作備用)
cd /usr/local/cuda10.0/lib64/#進入路徑
sudo rm -rf libcudnn.so libcudnn.so.5 #刪除原有動態文件
sudo ln -s libcudnn.so.6.0.21 libcudnn.so.6 #生成軟銜接
sudo ln -s libcudnn.so.6 libcudnn.so #生成軟鏈接
Pytorch安裝
老規矩，官網查詢，地址: pytorch
許多教程說在“Run this command”下會顯示安裝PyTorch的命令。如果Ubuntu下已經配置過pip的話，可以直接使用pip命令安裝成功PyTorch,但是速度十分緩慢，建議直接到“Run this command”裏的下載地址裏進行下載，速度很快。
如上圖所示，下載torch-0.2.0.post3-cp36-cp36m-manylinux1_x86_64.whl。其中，0.2.0表示PyTorch版本，cp36表示支持Python3.6，cuda80表示支持GPU版本，電腦有GPU的話須選擇該項，注意檢查是否是自己所需的對應項。
下載完後，進入文件所在的目錄進行安裝：
pip install torch-0.2.0.post3-cp36-cp36m-manylinux1_x86_64.whl
#如果pip install安裝不成功則使用sudo pip3 install 下面note裏有提到
同理，安裝torchvision
pip install torchvision
#sudo pip3 install torchvision
安裝成功後在終端裏輸入
python
import torch
import torchvision
若無報錯，最後輸入如圖所示：
返回True則成功。
最終驗證安裝程序
import torch
# 若正常則靜默
a = torch.tensor(1.)
# 若正常則靜默
a.cuda()
# 若正常則返回 tensor(1., device='cuda:0')
from torch.backends import cudnn
# 若正常則靜默
cudnn.is_available()
# 若正常則返回 True
cudnn.is_acceptable(a.cuda())
# 若正常則返回 True
大功告成，環境配置安裝就此結束，可以開始愉快的深度學習之旅了
NOTE:
1.讀取寫入文件/文件夾權限不夠時，採用
sudo nautilus
進行操作。
2. 在命令
pip3 install <packagename>
提示權限不夠時，可用命令
sudo pip3 install <packagename>
繼續操作