NVIDIA显卡驱动安装
注意点：系统安装时 一定要选择no free
Manjaro系统安装显卡比较简单，它有一个命令
sudo mhwd -a [pci or usb connection] [free or nonfree drivers] 0300
其中
-a: 自动检测和安装合适的显卡驱动
[pci or usb]: 为通过PCI或者USB连接的设置安装驱动
[free or nonfree]: 安装免费或者非免费的驱动
0300: 确认即将安装的显卡的驱动
我们要安装英伟达的驱动，只要使用下面的一行命令即可搞定
sudo mhwd -a pci nonfree 0300
等待安装结束，使用如下命令查看是否已经安装完成
nvidia-smi 显示显卡信息 没有则是安装错误
CUDA安装
安装命令
Manjaro的CUDA安装也是异常简单，一行命令搞定
sudo pacman -S cuda cudnn 默认安装最新 cuda 和cudnn配套安装
验证安装
完成之后，我们进入cuda的安装路径，我的路径是/opt/cuda，你可以使用下面的命令将CUDA的示例程序拷贝到你的用户主目录下，之后编译程序
cp -r /opt/cuda/samples ~
cd ~/samples
sudo make
此时就使用nvcc编译器开始编译CUDA的sample程序，这个花费时间更长，应该在半小时左右，等待编译结束，使用下面的命令验证是否成功
cd ~/samples/bin/x86_64/linux/release
./deviceQuery
在窗口中查看最后一行的结果是否为pass，如果是则表示CUDA安装成功。
CUDA 8 cudnn6安装
yay -S cuda-8.0 cudnn6 安装玩后在/opt/ 文件夹下面 ,把cudnn相关文件移动到cuda中
sudo cp /opt/cudnn6/include/* /opt/cuda/include/
sudo cp /opt/cudnn6/lib64/* /opt/cuda/lib64/
把bin 和 lib64文件夹 设置环境变量
cuda cudnn 终极安装法
对于tensorflow1.13这样成熟的版本，conda已经支持安装，直接conda安装tensorflow1.13 即可 安装所依赖的环境cuda cudnn自动安装，无需另外安装。而对于最新版本，可能还需要自己安装。
conda install tensorflow
还有一种方法： 对于最新的版本 可以pip安装tensorflow conda 安装cudnn，或者pacman 安装cudnn
conda search cudnn查询 cudnn 即可查询配套的cudnn
/pkgs/main/linux-64/cudatoolkit-10.0.130-0.tar.bz2 cuda10.0下载
链接: /s/17S8glyyOyB3fD3C-VkQfgA 提取码: iggg 网盘链接
tensorflow2.0 cuda环境安装：
conda search cuda # 查看可安装的cudaconda search cuda --info # 查看详细信息找到相关版本的url地址 复制到浏览器下载之后conda file安装，或者直接conda install url 安装，tf 一般比较吃cuda的版本tf2.0 使用 cuda10.0 版本conda install cudnn #自动安装cudnn6，使用conv2D 操作无法初始化cudnn 需要升级使用cudnn7.3.1conda install cudnn==7.3.1
双显卡配置
我的电脑有两个显卡，一个是intel的集成显卡，一个是NVIDIA的独显。
安装显卡切换程序bumblebee
bumblebee 使用方法：/index.php/Bumblebee#Test
Manjaro的双显卡配置有点问题，Bumblebee还是有点问题，使用下面的命令重新安装
# 依赖sudo pacman -S virtualgl lib32-virtualgl lib32-primus primus# 安装双显卡切换程序bumblebeesudo mhwd -f -i pci video-hybrid-intel-nvidia-bumblebee# 允许服务sudo systemctl enable bumblebeed# 添加用户sudo gpasswd -a $USER bumblebee
为了防止重启之后不能进入登录界面，需要做如下的配置
打开 sudo nano /etc/default/grub找到并且改为：GRUB_CMDLINE_LINUX_DEFAULT=”quiet acpi_osi=! acpi_osi=Linux acpi_osi=’Windows ’ pcie_port_pm=off resume=…”运行sudo update-grub，重启
测试显卡性能
使用下面的shell命令安装显卡测试程序
# 安装测试软件sudo pacman -S mesa-demos# 集成显卡性能glxgears -info# 独显性能optirun glxgears -info# 或者primusrun glxgears -info
需要注意的是，之后运行的所有程序，如果需要使用独立显卡，需要在命令的前面加上optirun或者primusrun的前缀。
# 打开nvida面板optirun -b none nvidia-settings -c :8# 不依赖Bumblebee来使用CUDAsudo tee /proc/acpi/bbswitch <<< 'ON'# 使用完CUDA 停止NVIDIA显卡（没必要的操作）sudo rmmod nvidia_uvm nvidia && sudo tee /proc/acpi/bbswitch <<< OFFinxi -G # 查看显卡情况optirun glxspheres64 有动画出现则bumblebee正常optirun nvidia-smi # 查看CPU情况
如果所有版本匹配了，tensorflow运行不报错了。检测不到设备 Device mapping: no known devices
尝试使用以下命令：
重装tensorflow-gpusudo tee /proc/acpi/bbswitch <<< 'ON'开启显卡 , 重启失效，重新运行，建议开机自启systemctl enable bumblebeed.service
tensorflow 安装
cuda 8 和cudnn6 可以直接使用tensorflow-gpu 1.4或者1.3版本。但是会有问题，tensorflow无法使用GPU
tensorflow cuda 和cudnn 有版本对应 一定要配套使用
pacman -S cudnn 默认安装最新cudnn，tensorflow 未必有现成相对应的版本使用，可以pacman -U 安装制定源cuda和cudnn注意配套 也可以使用pacman -Ss cuda cudnn 或者 yaourt -Ss查询 版本，按照配套的要求安装配套版本。
配套查询地址：/install/source#common_installation_problems
源码安装tensorflow
依照地址 安装：/install/source#common_installation_problems
注意点：编译tensorflow过程中需要安装bazel，archLinux中推荐使用源码编译bazel可安装任何版本，不同的tensorflow版本需要不同版本的bazel。yaourt和pacman只能安装最新的bazel。博主编译1.13版本tensorflow使用的是0.19.2版本bazel
bazel源码安装参照地址：https://docs.bazel.build/versions/0.19.1/install-compile-source.html
参照资料：
/installing-cuda-cudnn-tensorflow-nvidia-gtx960.html
/yangruiGB2312/p/9004335.html
/index.php/Bumblebee#Test
