目录
安装流程
1、安装nvidia显卡驱动
2、安装cuda8
3、安装Cudnn
4、Anaconda下载和安装
5、官方Anocuda介绍安装攻略
6、进入Jupyter Notebook
7、Tensorflow安装、验证
相关文章
Ubuntu：Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略
ML之Anaconda：关于Anaconda集成平台简介、安装、使用方法的详细攻略
ML之Anaconda：在Anaconda中的常用的conda命令集合（分门别类+非常细化）
Anaconda：基于Anaconda(python集成环境)平台tensorflow安装、运行之最强详细攻略
安装流程
1、安装nvidia显卡驱动
安装深度学习框架需要使用cuda/cudnn(GPU)来加速计算，而安装cuda/cudnn，首先需要安装nvidia的显卡驱动。
http://www.geforce.cn/drivers 或者 http://www.nvidia.com/Download/index.aspx?lang=en-us
ubuntu 16.04默认安装了第三方开源的驱动程序nouveau，安装nvidia显卡驱动首先需要禁用nouveau，不然会碰到冲突的问题，导致无法安装nvidia显卡驱动。
sudo vim /etc/modprobe.d/blacklist.conf #编辑文件blacklist.conf
在文件最后部分插入以下两行内容
blacklist nouveau
options nouveau modeset=0
sudo update-initramfs -u #更新系统后，重启系统（一定要重启）
验证nouveau是否已禁用
lsmod | grep nouveau #没有信息显示，说明nouveau已被禁用，接下来可以安装nvidia的显卡驱动。
(1)、禁用自带的nouveau驱动（重要步骤！）
运行命令创建相关文件：
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
并在文件中添加如下内容：
blacklist nouveau options nouveau modeset=0
sudo update-initramfs -u #更新后，重启系统
lsmod | grep nouveau #查看是否禁用成功。如如果没有输出则禁用成功
Ctrl+Alt+F1 #通过如下命令进入命令行模式
sudo service lightdm stop #关闭X-Window
(2)、安装驱动：
sudo apt-get remove –purge nvidia* #卸载你电脑中此刻有的nvidia的驱动
sudo add-apt-repository ppa:xorg-edgers/ppa -y
sudo apt-get update
sudo apt-get install nvidia-384 #(根据需要选择版本，注意CUDA9.0与CUDA9.1必须安装387.x的驱动)
sudo service lightdm start #安装完毕之后重启X-Window
(3)、进入终端
CTRL+ATL+F1 #进入终端1（输入用户名和密码后和终端很相似，可以大胆进去）
sudo service lightdm stop #关闭图形界面
sudo apt-get install nvidia-384 #自动下载驱动安装,nvidia-384要和显卡型号匹配）
sudo service lightdm start #来启动图形界面，并且登录。这个时候应该又回到图形界面。
nvidia-smi #测试有没安装成功。来看是不是能够输出你的GPU的一些信息。要是不能够输出的话，重启。能够输出的话，也建议重启一次。
2、安装cuda8
https://developer.nvidia.com/cuda-downloads (注意tensorflow 1.6/tensorflow1.7支持CUDA9.0+cuDNN7.0)
sudo apt-get install libcupti-dev #安装CUDA依赖库
(1)、cd到安装的文件夹，接着执行：sudo sh cuda_8.0.44_linux.run --override
有个让你选择是否安装nvidia驱动时，一定要选择否： Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48? 因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。 安装完成后，显卡driver版本是9，cuda版本是8。
(2)、配置cuda环境变量
export PATH="$PATH:/usr/local/cuda-8.0/bin" export
LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"
nvidia-smi #结果出现以下输出，说明配置成功
3、安装Cudnn
先下载https://developer.nvidia.com/rdp/cudnn-download#a-collapse704-9
简单地说，就是复制几个文件：库文件和头文件。将cudnn的头文件复制到/usr/local/cuda/lib64，将cudnn的库文件复制到/usr/local/cuda/include。 下载下来后,cd 到文件包目录下,解压文件。
tar -zxf cudnn-7.0-linux-x64-v4.0-prod.tgz
cd cuda
#链接到cuda的库里
sudo cp lib64/* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/
要不要链接cuDNN的库文件：
$ sudo ln -sf /usr/local/lib/libcudnn.so.4.0.7 /usr/local/lib/libcudnn.so.4
$ sudo ln -sf /usr/local/lib/libcudnn.so.4 /usr/local/lib/libcudnn.so
#链接完config更新
$ sudo ldconfig
(1)、最后把cudnn的头文件拷贝到/usr/local/cuda-8.0/include下面，库文件拷贝到/usr/local/cuda-8.0/lib64下面
设置环境变量文件.bashrc或profile
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:#LD_LIBRARY_PATH
更新环境变量
souce /etc/profile
