Since Jun.12nd，2017
配置CUDA 8.0
- 先安装适合当前显卡的最新款 Nvidia 驱动，通过
nvidia-smi测试。 - 不要通过
apt-get来直接安装nvidia-cuda-toolkit，因为这样装的 cuda 是 7.5 版本的，而最新的比如 1080 Ti 的显卡需要跑 CUDA 8.0 ，因此先去 https://developer.nvidia.com/cuda-downloads 下载 CUDA，按照官网指南，安装 deb 包（双击或执行sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb）后运行
sudo apt-get update
sudo apt-get install cuda
这样就安装完了 CUDA 8.0，安装位置在/usr/local/cuda-8.0，接下来添加到环境变量：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
使环境变量立刻生效：
source ~/.bashrc
最后就可以用nvcc -V查看 CUDA 版本了。
配置 cuDNN
- 首先下载
CUDNN_TAR_FILE="cudnn-8.0-linux-x64-v6.0.tgz"
wget http://developer.download.nvidia.com/compute/redist/cudnn/v6.0/${CUDNN_TAR_FILE}
- 然后解压并配置
tar -xzvf ${CUDNN_TAR_FILE}
sudo cp -P cuda/include/cudnn.h /usr/local/cuda-8.0/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64/
sudo chmod a+r /usr/local/cuda-8.0/lib64/libcudnn*
安装 Tensorflow（GPU版本）
- 先安装 libcupti-dev
sudo apt-get install libcupti-dev
- 正式安装
(sudo) pip install tensorflow-gpu
(sudo) pip3 install tensorflow-gpu
安装 Keras
sudo pip install -U --pre pip setuptools wheel
sudo pip install -U --pre numpy scipy matplotlib scikit-learn scikit-image
sudo pip install -U --pre keras
配置 theano 调用 GPU
新建~/.theanorc文件，写入：
[global]
floatX=float32
device=gpu
[cuda]
root=/usr/local/cuda-8.0
[nvcc]
flags=-D_FORCE_INLINES
最后用import theano测试，如果显示 GPU 设备则表明 GPU 配置成功。
比如：Using gpu device 0: GeForce GTX 1080 Ti
Keras 调用 pydot 可视化
需要用 pip 安装 pydot，推荐用 pydot-ng，新的 pydot 可能会有不兼容的情况。
还需要安装 graphviz，不然仍然会报 pydot 的错。但这里不能用 pip 安装 graphviz， 要用 apt-get 安装 C 版本的 graphviz。
sudo pip install pydot-ng
sudo apt-get isntall graphviz
