这是之前给同学配置电脑的时候踩过了无数的坑，然后才想到还是总结一下。因为根据写代码做事情遗忘定律，你会在不到一周时间内，忘掉了你当时是如何过五关斩六将的。
本机配置：
- CPU：i7
- GPU：1070
- CUDA：8.0
- Cudnn：8.0v6.0
- Tensorflow：1.4
一、 ubuntu环境安装
具体参考：Win7 U盘安装Ubuntu16.04 双系统详细教程
- 制作U盘启动盘：做好一个安装双系统的U盘
- 安装ubuntu16.04系统：
插着U盘重启，按F12进入BOOT，选择对应U盘，顺序安装即可。其中需要注意的是那100G怎么分配的问题：
a. /boot :200MB, EXT4日志文件系统
b. 交换空间：2048MB，
c. /：40960MB，EXT4日志文件系统
d. /home：剩余全部空间，EXT4日志文件系统
注; 分区设置完毕后，然后在下边的“安装启动引导区的设备”下拉框中选择/boot分区的编号 - 创建启动系统引导：安装EasyBCD
二、 Ubuntu16.04安装Tensorflow-gpu**
主要参考：
Ubuntu16.04安装TensorFlow-gpu版本
Ubuntu16.04下安装tensorflow（GPU加速）
安装对应的显卡驱动，最简单且方便的做法就是在“设置”的“附加驱动”里直接安装nvidia的驱动（需要重启才能更新）。然后我之前用的是自己下载对应版本来安装，比较麻烦，而且后续容易出问题~
-
检查驱动：
终端输入nvidia-smi
会显示以下图信息：
检查驱动 gcc降版本
在终端依次执行：
sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++/usr /bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++
- 安装CUDA8.0
先找到CUDA_8.0资源（注意：官网下载会是最新的9.1版本，不能用，要不然版本不兼容会出很多问题）。然后终端依次输入：
sudo apt-get update
chomd +x cuda_8.0.44_linux.run
sudo su cuda_8.0.44_linux.run --override --silent --toolkit
- 安装cudnn 8.0v6.0，注意一定要装6.0的：
先下载cudnn 8.0v6.0安装包，然后终端依次输入：
sudo cp cudnn-8.0-linux-x64-v6.0.tgz /usr/local/cuda
cd /usr/local/cuda
tar -xzvf cudnn-8.0-linux-x64-v6.0.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*
- 配置CUDA环境变量
终端输入：sudo gedit ~/.bashrc
在打开的编辑器末尾添加：
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
然后保存并在终端输入：
source ~/.bahsrc
- 建立软链接
终端输入：
cd/usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.3 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
设置环境变量：终端输入：sudo gedit /etc/profile
在编辑器末尾加入：
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存后，创建链接文件：
终端输入：sudo vim /etc/ld.so.conf.d/cuda.conf
摁a进入插入模式，增加下面一行：
/usr/local/cuda/lib64
保存退出。最后在终端输入：
sudo ldconfig #使链接生效
注意：这步可能会报以下错误：
/sbin/ldconfig.real: /usr/local/cuda/lib64/libcudnn.so.6 不是符号连接
解决方法，终端输入：sudo ldconfig -v
找到这一行错误：libcudnn.so.6 -> libcudnn.so.6.0.21
是这个链接错误。以根用户（sudo su）在终端输入：ln -sf /usr/local/cuda-8.0/lib64/libcudnn.so.6.0.21 /usr/local/cuda-8.0/lib64/libcudnn.so.6
再执行sudo ldconfig即可
- 检查CUDA是否安装好
切换到CUDA 8.0 Samples默认安装路径(即在NVIDIA_CUDA-8.0_Samples目录下)，终端输入：
sudo make all –j8 #（我的电脑是8核）
完成后继续向终端输入：
cd bin/x86_64/linux/release
./deviceQuery
如果看到下面画面，则恭喜你，终于成功了：
- 安装Tensorflow-gpu
- 按照教程是：sudo pip3 install tensorflow-gpu
报错：sudo: pip3：找不到命令
解决：undo apt-get install python3-pip
验证pip3是否安装成功：pip3 --version - 输入：
sudo pip3 install tensorflow-gpu
开始下载---------Downloading
tensorflow_gpu-1.6.0-cp35-cp35m-manylinux1_x86_64.whl以及各种依赖包;
然后出现下面问题:
You are using pip version 8.1.1, however version 9.0.3 is available.
You should consider upgrading via the 'pip install --upgrade pip' command.
百度解决方案:
apt install python-pip
python -m pip install --upgrade pip
sudo pip install tensorflow-gpu
（注意：若在python3.5安装，则：先pip3 install --upgrade pip 然后sudo pip3
install tensorflow-gpu）
再次下载安装，没有警告或报错。
- 然后无论是输入python还是python3，若import tensorflow as tf 则会报错：
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory
Failed to load the native TensorFlow runtime.
这是因为我装了tensorflow-gpu 1.5版本，而我用的是cuda 8.0和cudnn6.0，1.5版本要求cuda 9.0，解决方法是回滚：pip install tensorflow-gpu==1.4（在python2.7上回滚安装好tesorflow1.4）；若用pip3 install tensorflow-gpu==1.4 则是回滚python3.5上安装好的tensorflow——个人建议在python3.5上使用Tensorflow。
总之，这种python--pip--tensorlow--CUDA的匹配问题一定要谨慎（我个人就是特别容易搞混这个，然后导致两种python版本都安装了tensorflow，然后回滚的时候也搞混~~区分pip和pip3的使用！！！）
- 验证tensorflow-gpu：
终端输入:python3
然后输入验证程序：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
如果安装成功，则会显示 Hello, TensorFlow! 如下图：
