1. 安装显卡驱动
安装显卡驱动网上有各种各样的方法，甚至有的还需要更改一些配置文件切换到命令行终端模式进行操作，然而就我多次安装驱动的经验来看，我从来没有这么费劲过。在 Ubuntu 系统中的 System Settings -> Software & Updates -> Additional Drivers 安装相应的显卡和CPU驱动，重启后在 System Settings -> Details 中可以看到自己的显卡型号则说明驱动已经安装成功，此时在命令行下输入nvidia-smi也可以看到显卡的相关信息。
2. 安装 CUDA
到 CUDA 官网 下载合适版本的 runfile 文件(强烈推荐)， 然后在终端运行sudo sh cuda_filename.run，除了在询问你是否要安装驱动的时候选择 No(上面已安装过)，其他都可以选择 Yes。在家目录打开终端运行sudo gedit .bashrc，在文件末尾添加相应的路径。export PATH=/usr/local/cuda-8.0/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PA复制代码
终端运行source .bashrc终端运行nvcc -V，出现相关 CUDA 版本信息说明安装。
3. 安装 CUDNN
解压对应版本的 CUDNN 压缩包，复制相应文件到相关路径。sudo cp cuda/include/cudnn.h /usr/local/cuda/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*复制代码
4. 安装 Python 依赖库和 TensorFlow
由于 Ubuntu 默认的 Python 版本是 2.7，若更改了系统默认的 Python 版本，安装软件时可能会遇到一些依赖问题，而现在主流 Python 都是 3.x 版本的，因此为了使用 Python3 同时又不改变系统默认 Python 版本采用 pip 安装比较好。
sudo apt-get install python3-pipsudo pip3 install numpy,jupyter,matplotlibsudo pip3 install tensorflow-gpu安装速度慢的可以尝试一下国内的豆瓣源sudo pip3 install -i /simple/ --trusted-host numpy(等 python 库)复制代码
5. 一些常见问题
找不到 **.so 文件，先搜索库文件所在路径，终端运行sudo gedit /etc/ld.so.conf添加库文件所在路径，然后sudo ldconfigNo module named ** ，sudo apt-get install/pip3 install **获取更多精彩，请关注「seniusen」!
