一、安装TensorFlow

查看CUDA对应的版本，机器上装的CUDA是10.0版本的

执行命令：conda install tensorflow-gpu==1.13.1

豆瓣源安装：pip install tensorflow-gpu==1.13.1 -i https://pypi.douban.com/simple

二、安装Keras

查看TensorFlow对应的Keras版本

我的机器装的TensorFlow是1.13.1版本，对应的是Keras2.2.4

 使用命令pip install keras==2.2.4

安装时候速度很快

三、安装OpenCV-Python

1.下载离线包

2.进入到包所在路径，执行命令

conda install opencv3-3.1.0-py36_0.tar.bz2

使用上边的方法可以正常安装，但是在导入模块时候报错

ImportError: No module named cv2

所以使用另外一种方法重新安装就好了

命令：pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

四、安装pycharm

1.官网下载，放在指定文件夹下，下载专业版

2.进入到文件夹，解压安装包（sudo）

sudo tar -xzvf pycharm-professional-2020.2.3.tar.gz

3.进入到解压好的文件夹bin下边，执行

sh ./pycharm

开始安装出现弹窗

至此，两大深度学习环境就搭建好了，Python、pytorch、TensorFlow、keras、CUDA、cuDNN、OpenCV版本对应如下，分别记录两个环境

软件框架(pytorch环境)	对应版本号	备注
Ubuntu	18.04	GPU型号：GeForce RTX 2080Ti 10G显存
Python	3.6.5	两个环境公用
pytorch	1.2.0+cu92	需考虑CUDA版本
CUDA	10.0	两个环境公用
cuDNN	7.6.5	两个环境公用
opencv-python	3.1.0	直接离线安装，即可用

激活虚拟环境：source activate name

软件框架(tf_keras环境)	对应版本号	备注
Ubuntu	18.04	GPU型号：GeForce RTX 2080Ti 10G显存
Python	3.6.5	两个环境公用
CUDA	10.0	两个环境公用
cuDNN	7.6.5	两个环境公用
TensorFlow	1.13.1	需考虑CUDA版本
Keras	2.2.4	需要与TensorFlow版本对应
OpenCV-Python	4.4.0	两个环境安装同一个OpenCV会报错，需单独重新安装，具体原因不知道

nvidia-smi一直报错解决方案，更新所有的驱动

nvidia显卡驱动已经装好，但是nvidia-smi显示失败，图形设置一栏中显示llvmpipe,security boot也设置了关闭

建议使用如下指令

sudo apt update

sudo apt dist-update

sudo reboot