原文链接：https://blog.csdn.net/xd_wjc/article/details/82999563
https://blog.csdn.net/qq_25241325/article/details/90753830
更新：安装keras时要与tensorflow版本对应https://www.cnblogs.com/carle-09/p/11661261.html
一、安装驱动
已经安装的跳过
二、安装cuda-9.0
注意，如果是ubuntu18.04，必须把gcc版本降到6以下，包括6，因为编译cuda9只支持gcc6以下，而Ubuntu 18.04预装GCC版本为7.3，如何降gcc：
sudo apt-get install gcc-6 g++-6
cd /usr/bin
sudo rm gcc
sudo ln -s gcc-6 gcc
sudo rm g++
sudo ln -s g++-6 g++
如果是ubuntu16.04，就不用降gcc，因为ubuntu16.04预装的是gcc4.8
安装cuda9：
1,执行这条命令，先安装依赖库，最好安，有的教程没安，我第一次失败不知道跟这个有没有关系，也不大，就几十MB
sudo apt-get install g++ freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev
2，自己去官网下载cuda9的run-file文件，几个补丁就不用下了，我看网上教程大部分都没装这几个补丁，
我下好的文件名叫作：cuda_9.0.176_384.81_linux.run
384.81表示需要的驱动版本，所以你前面装得nivdia驱动版本必须比这个384.81要大，不能小于或等于这个384.81
在cuda_9.0.176_384.81_linux.run这个文件所在目录下打开终端，执行：
sudo sh cuda_9.0.176_384.81_linux.run
我看其他教程还加什么权限，我感觉不要，反正我没加
3，之后会进入一系列让你阅读的一些安装信息的界面，你不停的回车就行，直到出现如下信息：
这个是我网上复制的，实际上自己装的时候基本是一样的，答案都写出来了，大部分是yes，但这一项Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?选no，因为上面驱动已经装了，这里就不用重复装。
1 The NVIDIA CUDA Toolkit provides command-line and graphical
2 tools for building, debugging and optimizing the performance
3 of applications accelerated by NVIDIA GPUs, runtime and math
4 libraries, and documentation including programming guides,
5 user manuals, and API references.
6
7
8 Default Install Location of CUDA Toolkit
9 Do you accept the previously read EULA?
10 accept/decline/quit: accept
11
12 You are attempting to install on an unsupported configuration. Do you wish to continue?
13 (y)es/(n)o [ default is no ]: y
14
15 Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
16 (y)es/(n)o/(q)uit: n
17
18 Install the CUDA 9.0 Toolkit?
19 (y)es/(n)o/(q)uit: y
20
21 Enter Toolkit Location
22 [ default is /usr/local/cuda-9.0 ]:
23
24 Do you want to install a symbolic link at /usr/local/cuda?
25 (y)es/(n)o/(q)uit: y
26
27 Install the CUDA 9.0 Samples?
28 (y)es/(n)o/(q)uit: y
29
30 Enter CUDA Samples Location
31 [ default is /home/zhuang ]:
32
33 Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...
34 Installing the CUDA Samples in /home/zhuang ...
35 Copying samples to /home/zhuang/NVIDIA_CUDA-9.0_Samples now...
36 Finished copying samples.
37
38 ===========
39 = Summary =
40 ===========
41
42 Driver: Not Selected
43 Toolkit: Installed in /usr/local/cuda-9.0
44 Samples: Installed in /home/zhuang
45
46 Please make sure that
47 - PATH includes /usr/local/cuda-9.0/bin
48 - LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add /usr/local/cuda-9.0/lib64 to /etc/ld.so.conf and run ldconfig as root
49
50 To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-9.0/bin
51
52 Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-9.0/doc/pdf for detailed information on setting up CUDA.
53
54 ***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0 functionality to work.
55 To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
56 sudo <CudaInstaller>.run -silent -driver
57
58 Logfile is /tmp/cuda_install_7476.log
59 Signal caught, cleaning up
到这cuda安装第一步完成，接着添加环境变量，
在home主目录下，用ctrl+h，显示隐藏文件，找到.bashrc这个文件，用vim或gedit打开，命令如下：
gedit ~/.bashrc
在文件的末尾添加这三行，有的教程第三行好像没装：
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-9.0
添加后保存，在执行：
source ~/.bashrc
使这个文件生效，可以在终端输入 echo $PATH 和echo $CUDA_HOME查看一下
有的教程是这样添加环境变量的，都可以，只是格式不一样
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
注意由于安装的时候建立了软链接/usr/local/cuda
和/usr/local/cuda-9.0其实是等效的，你添加那样的环境变量也是可以的，但是要和下面的cudnn拷贝的一样，你这里选择是用cuda9.0做环境变量，后面最好把cudnn的几个文件拷到这里
验证cuda9.0:
a、 验证驱动版本
$ cat /proc/driver/nvidia/version
结果显示类似
NVRM version: NVIDIA UNIX x86_64 Kernel Module 384.81 Sat Sep 2 02:43:11 PDT 2017
GCC version: gcc version 5.4.0 20160609 (Ubuntu 5.4.0-6ubuntu1~16.04.5)
b、 验证CUDA Toolkit
$ nvcc -V 会输出CUDA的版本信息
如果是这样的：
The program 'nvcc' is currently not installed. You can install it by typing:
sudo apt-get install nvidia-cuda-toolkit
可能是环境配置没有成功，重新配置环境。
五、测试CUDA的Samples例子
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
如果显示的是关于GPU的信息，则说明安装成功了。
第三：安装cudnn:
去cudnn官网下载于cuda9.0对应的cudnn，一般下7.0，7.0.5或7.0.4或7.0.3都是可以的，下那个cudnn libaray for linux，
不要下下面的什么cudnn for ubuntu 16.04 的deb文件，下好之后，是一个cudnn-9.0-linux-x64-v7.tgz压缩文件，首先到文件目录打开终端执行这条命令解压：tar -zxvf cudnn-9.0-linux-x64-v7.tgz 解压后出现一个cuda的文件夹，
cuda文件夹里有：
还是回到解压出来的cuda文件夹所在目录，在把cudnn.h 和那三个所有带libcudnn的文件复制到开始装的CUDA文件夹对应的目录里去
sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include/
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/
这个-P是参数，意思是不光复制内容，还把属性也复制过去
给文件读写权限，因为从上面的图片可以看出cudnn上了锁，要赋予权限：
sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h
sudo chmod a+r /usr/local/cuda-9.0/lib64/libcudnn*
------简单一点
tar -zxvf cudnn-9.0-linux-x64-v7.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64
sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*
到次结束cudnn安装
第四安装Anaconda：
1. 首先安装Anaconda3-4.2.0-Linux-x86_64,64位系统，它对应的python是3.5,而4.3对应的是python3.6,下好后是一个.sh文件
参考下面这个链接
https://blog.csdn.net/u012318074/article/details/77074665
第五步安装tensorflow：
我这里装的是1.8，想装1.12，就换成1.12
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.8
用清华的镜像，飞快。
第六步，安装opencv，keras，easydict：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python==3.4
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple easydict
要是还是提示缺少某些包，就用这种方式安装
测试TensorFlow（GPU）是否安装成功
在安装完TensorFlow（GPU）后，进入python环境
在命令窗口输入以下的代码段：
import tensorflow as tf
hello=tf.constant(‘hello,world’)
sess=tf.Session()
print(sess.run(hello))
如果返回结果如下图，则代表TensorFlow（GPU）安装成功：
