要不然别用官方的了，anaconda打包好了cuda/cudnn，创建一个conda env就可以了

【 在 snnn (cm) 的大作中提到: 】
: Ubuntu的官方repo里有nvidia的显卡驱动。一般来说如果你有需要，装上就行了。
: 但是呢，假如你要做机器学习，一般你还得装cuda。这个时候添加Nvidia的apt repo，并且从那安装。Nvidia不允许别人分发它家的CUDA binary。最恶心的是，如果你要安装CUDNN，还得注册账号并登录。那账号还各种2FA，登录IP验证，邮箱验证。算了，此处略去不表。
: 这里要说的问题是：显卡驱动在Ubuntu的官方repo和Nvidia的repo中都有。同样的名字，不同的内容。显卡驱动不仅仅是一个apt包，而是很多包。主包在两边都有，Ubuntu这边的那个主包的依赖包要少一些。Nvidia的那个主包依赖包要多一些。Ubuntu这边的那个主包版本号更新一些
: 所以你有两个选择：
: 1. 不要从Ubuntu的官方repo安装显卡驱动。但是缺点是：你得不到该驱动的安全更新。如果只是自用，安全性要求没那么高，这没什么关系。
: 2. 如果你从Ubuntu的官方repo安装显卡驱动，一定要先卸载干净所有从nvidia repo来的东西。并确保将来一定不从nvidia repo安装显卡驱动。
: 再次强调：这两个包虽然名字一样，但是内容不同，依赖包也不同。版本号可能一致可能不一致。
: Last words
: top 1原则：对正式生产环境来说永远不要使用多repo。不管是nuget repo还是apt repo还是其它什么。上面所说的内容冲突只是冰山一角。它既然能给你造成稳定性问题，它同样可以给你造成安全性问题。多repo不安全！！！！自建repo自己管理镜像同步才是王道。
--
FROM 106.37.96.*