本文主要是介绍深度学习Ubuntu18.04+RTX 2080Ti+cuda10.0+cudnn7.42+tensorflow-gpu=1.13.0rc2，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一、安装Ubuntu18.04
查看之前教程：https://blog.csdn.net/sun___shy/article/details/87558563
二、安装RTX2080Ti驱动
正常显卡的驱动在sudo apt-get update之后，都会在软件和更新里面的附加驱动中显示，或者通过指令 sudo ubuntu-drivers autoinstall就能自动安装，可能2080Ti太新了，附加驱动根本找不到，我先把软件更新源换成了aliyun。
1. 更新apt-get源列表
sudo apt-get update
sudo apt-get upgrade
2. 添加驱动源
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
3.选择最新的版本415，选择应用即可。
4.等待安装几分钟，重启即可。
三、安装CUDA10
到cuda官网:https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=deblocal
sudo apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub
sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda注意：安装后一定要重启一下！
终端输入：
nvidia-smi
虽然当时是选择的415版本，这里可以看到却是410版本，可能会自己适配吧。
四、安装cudnn7.42
从官网下载：https://developer.nvidia.com/rdp/cudnn-download
选择第三个cuDNN Library for Linux
解压后，cd到该目录：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
接下来编辑path环境变量文档：
sudo gedit ~/.bashrc
将cuda的环境变量加到打开的文件最后
export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64”
export CUDA_HOME=/usr/local/cuda
export PATH="$CUDA_HOME/bin:$PATH"
文件生效：
source ~/.bashrc五、安装tensorflow-gpu=1.13.0rc2
TensorFlow 1.13.0 RC2 前几天刚发布了，支持cuda10了
详情查看发布说明。
终端输入：
sudo apt install python-pip
pip3 install tensorflow-gpu==1.13.0rc2等待下载安装即可：
测试成功！
这篇关于深度学习Ubuntu18.04+RTX 2080Ti+cuda10.0+cudnn7.42+tensorflow-gpu=1.13.0rc2的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
