华为matebook win+deepin 15.11双系统 + 双显卡 + 使用/卸载大黄蜂方案 + NVIDIA独显驱动安装 + tensorflow-gpu-2.0

先说结果，我没安装成功NVIDIA的最新驱动，因为我的BIOS上没有切换显卡的设置。
但是我觉得有几个需要说的提醒在这里总结一下！
1、如果你之前在windows上没有装过NVIDIA驱动或CUDA，可以通过这个网站看你的 显卡是否支持CUDA ？

2、如果你的深度显卡驱动管理器中没有NV-Prime方案（如 deepin 15.11这个最新版本就删掉了这个方案），那你可以继续往下看。

3、先看看你的BIOS上支不支持切换显卡驱动，不支持的话，安装独显驱动很可能是无功而返！

4、如果你已经成功的使用上了大黄蜂方案，而且你要求的一些环境不高的话（比如你不用tensorflow2.0，tf2.0要求CUDA10.0，即驱动版本>=410.48），装个CUDA8、CUDA9还是可以的。deepin的驱动更新慢已经是常态了，不知道后续深度会不会更新（更新了的话，评论区提醒我一声儿呗）。下表是NVIDIA驱动和CUDA兼容表。

一、大黄蜂方案下的cuda + cudnn + tensorflow-gpu版本安装

通过nvidia-smi，我们可以查看显卡信息，以确认我们的驱动是否正确安装了，在终端内输入：

optirun nvidia-smi

显卡信息可以看到你的驱动版本，从而选择适合的CUDA和CuDNN版本。
若是显卡驱动安装正确，运行上面的命令，你会看到相似于下面的输出，驱动版本是390.87：

大黄蜂方案的显卡驱动是由bumblebee进行管理的。为了下降能耗，平时独显是处于关闭状态的，若是有程序须要使用到独显，需要经过optirun进行启动。
关于bumblebee版显卡驱动在深度学习训练中的开启和关闭：
在进行训练前，在终端输入sudo tee /proc/acpi/bbswitch <<< ON，可开启显卡。
在训练结束后，在终端输入sudo tee /proc/acpi/bbswitch <<< OFF，可关闭显卡。

具体参考：
《deepin-15.5 + 小米笔记本pro 下的深度学习环境cuda8 +tensorflow-gpu-1.4版本搭建过程》

---

二、如果你的BIOS支持切换显卡驱动，请将N卡设为初始显卡

那你算是比较幸运的了，虽然没有NV-Prime方案，但是给了打开了一扇窗。

1、如果你之前使用过大黄蜂方案，需要删除大黄蜂所安装的软件，可以用以下命令：

dpkg -l | grep -i nvidia | awk '{ print $2 }' | cut -d: -f1 | xargs apt-get -y remove --purge

如果报错——无法打开锁文件 /var/lib/dpkg/lock - open (13: 权限不够)，可以sudo -s 输入一次密码 进入root模式，再重试。

2、如果你在看到这篇之前，已经下载了不合意的驱动，或是上面删除大黄蜂所安装软件后，
还需要输入dpkg -l | grep -i nvidia命令来查看是否还有残余驱动，如果还有显示，则输入下面命令进行卸载：

sudo apt-get --purge remove nvidia*

3、安装编译所需的软件

sudo apt -y install linux-headers-amd64 linux-headers-deepin-amd64 gcc make dkms

剩下的步骤参考：使用其【快捷方法】即可。
深度科技论坛——如何手动安装NVIDIA驱动软件

---

三、下载CUDA和CuDNN

去官网下载适合你的CUDA，注意要和你的驱动适配，如果要安装tensorflow2.0建议CUDA10.0或10.1。
《下载适合你的CUDA》
《下载适配的CuDNN》

下载好后，
如果有图形化界面则需要禁用x-window服务
右键属性=>允许作为可执行程序执行，双击终端运行即可。
或者输入下面的命令（文件名自行调整）

sudo sh cuda_8.0.61_375.26_linux.run

这个时候会有很多提示需要你确认，由于在第一步已经成功安装了显卡驱动，所以这里就不需要再次安装了，因此 ，Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 3XX.XX ?这里选择 no，其余都是yes或者accept

最后在.bashrc添加环境变量后source .bashrc

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

参考：《linux安装GPU显卡驱动、CUDA和cuDNN库》

---

四、遇到的一些问题

不知道是笔记本的原因还是因为deepin系统没装好，在我Ctrl+Alt+f1进入tty1文本控制台时，会有持续不断的报错，反复report，下面的这个report会一直往下输出循环。如果你也遇到了这个，不要慌，像平常一样硬着头皮输入你的命令，就算是被report分隔都还是可以运行的（如果输入错了，可以Ctrl+C重新输入）

deepin linux  not implement report

---

五、安装tf2.0并测试

你可以在终端中输入pip install tensorflow-gpu==2.0.0b1即可，如果觉得下载慢可以更换到国内的阿里云镜像源。
完成后，
在终端中打开并输入python。

>>> import tensorflow as tf
>>> tf.test.is_gpu_available()

如果结果是True，恭喜你安装成功！

---

参考：
《deepin-15.5 + 小米笔记本pro 下的深度学习环境cuda8 +tensorflow-gpu-1.4版本搭建过程》
《Ubuntu 卸载nvidia驱动、CUDA Toolkit》
深度科技论坛——如何手动安装NVIDIA驱动软件