1.两块显卡
2.tensorflow1.5只支持到cuda9.0
3.电脑硬件信息如下图：
安装单系统（语言英文)
1.不自动更新+不下载第三方
2.分区：
sda1:第一个 bios reserve(bios保留分区) 挂载在biosgrub 主分区 1M
sda2: 第二个 ETX4 挂载在 / 主分区 50G~几乎整个磁盘的大小
sda3: 第三个 交换空间（swap）逻辑分区 内存大小 68888M
安装驱动
ps. ppa源安装无法匹配正确版本驱动
1.去官网下载最新的驱动run文件，选择系统的时候，不要选择ubuntu16.04,选择的话容易选到deb文件，应该选择linux-64bit版本
2.安装NVIDIA驱动程序(如果事先有装但失败的，先卸载)
$ sudo apt remove --purge nvidia*
3.禁用驱动
1）在Ubuntu16.04中，我们可以通过以下操作禁用nouveau：
a.在/etc/modprobe.d中创建文件blacklist-nouveau.conf
$ sudo vim /etc/modprobe.d/blacklist-nouveau.conf
在文件中输入以下内容：
blacklist nouveau
options nouveau modeset=0
b.执行
$ sudo update-initramfs -u
c.查看nouveau是否已经成功禁用
$ lsmod | grep nouveau
若无内容输出，则禁用成功，若仍有内容输出，请检查上述操作，并重复。
操作无误但仍有输出，则可重启，进入用户登录界面时（不要登录进桌面），按Ctrl+Alt+F1进入字符终端界面，输入用户名和密码进行登录，登录成功后，再次查看
$ lsmod | grep nouveau
这时，我们已经成功禁用了nouveau，无输出
2）关闭图形化界面
$sudoservice lightdm stop
3）安装驱动
注意进入你下载的目录
给驱动run文件赋予执行权限：
sudo chmod a+x NVIDIA-Linux-x86_64-390.46.run
#后面的参数非常重要，不可省略：
sudo ./NVIDIA-Linux-x86_64-390.46.run –no-opengl-files
–no-opengl-files：表示只安装驱动文件，不安装OpenGL文件。这个参数不可省略，否则会导致登陆界面死循环，英语一般称为”login loop”或者”stuck in login”。
–no-x-check：表示安装驱动时不检查X服务，非必需。
–no-nouveau-check：表示安装驱动时不检查nouveau，非必需。
-Z, --disable-nouveau：禁用nouveau。此参数非必需，因为之前已经手动禁用了nouveau。
-A：查看更多高级选项。
必选参数解释：因为NVIDIA的驱动默认会安装OpenGL，而Ubuntu的内核本身也有OpenGL、且与GUI显示息息相关，一旦NVIDIA的驱动覆写了OpenGL，在GUI需要动态链接OpenGL库的时候就引起问题。
可以使用下面的命令打开图形化界面：
sudo service lightdm start
之后，按照提示安装，成功后重启即可。 如果提示安装失败，不要急着重启电脑，重复以上步骤，多安装几次即可。
Driver测试：
nvidia-smi
#若列出GPU的信息列表，表示驱动安装成功
nvidia-settings
#若弹出设置对话框，亦表示驱动安装成功,我们没有出正确结果，但目前没有发现问题
CUDA9.0 安装
到NVIDIA官网中，找到CUDA 9.0并下载,注意与tensorflow版本对应
之后，重启系统，在登录界面时按Ctrl+Alt+F1进入字符终端界面，登录成功后，
关闭图形化界面
$ sudo service lightdm stop
找到下载文件的路径，键入下面的命令安装：
$ sudo sh cuda_9.0.176_384.81_linux.run
单击回车，直到提示“是否为NVIDIA安装驱动？”
选择否，因为已经安装好驱动程序，其他都是默认。
最后你会看到cuda驱动、sample、tookit已经安装成功,但是缺少一些库。
添加这些库
$ sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
重新启动图形化界面
$ sudo service lightdm start
同时按住Alt + ctrl +F7，返回到图形化登录界面，输入密码登录。
如果能够成功登录，则表示不会遇到循环登录的问题，基本说明CUDA的安装成功了
重启电脑，检查Device Node Verification
$ sudo reboot
$ ls /dev/nvidia*
a、若结果显示
/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm
或显示出类似的信息，应该有三个（包含一个类似/dev/nvidia-uvm的），则安装成功。
b、大多数结果可能会是这样
ls: cannot access/dev/nvidia*: No such file or directory
或是这样的，只出现
/dev/nvidia0 /dev/nvidiactl
a中的一个或两个，但没有/dev/nvidia-uvm，即文件显示不全。
解决方法：
首先要添加一个启动脚本
$ sudo vim /etc/rc.local
把文件的第一行的#!/bin/sh -e中的-e去掉，
在#!/bin/sh和exit 0之间，添加以下内容
/sbin/modprobe nvidia
if["$?" -eq 0];then
# Count the number of NVIDIA controllers found.
NVDEVS=`lspci | grep -i NVIDIA`
N3D=`echo "$NVDEVS" | grep "3D controller" | wc -l`
NVGA=`echo "$NVDEVS" | grep "VGA compatible controller" | wc -l`
N=`expr $N3D + $NVGA- 1`
for i in `seq 0 $N`; do
mknod -m 666 /dev/nvidia$i c 195 $i
done
mknod -m 666 /dev/nvidiactl c 195 255
else
exit 1
fi
/sbin/modprobe nvidia-uvm
if["$?" -eq 0];then
# Find out the major device number used by the nvidia-uvm driver
D=`grep nvidia-uvm /proc/devices | awk '{print $1}'`
mknod -m 666 /dev/nvidia-uvm c $D 0
else
exit 1
fi
保存文件并重启，再次查看，这时你应该能直接看到/dev目录下的三个nvidia的文件
输入：
$ ls /dev/nvidia*
结果显示：
/dev/nvidia0 /dev/nvidiactl /dev/nvidia-uvm
成功！如果还是没有出现，先不管他，跑后面的samples例子，然后会出来
接着，设置环境变量。
终端中输入
$ sudo vim /etc/profile
在打开的文件末尾，添加以下两行。
64位系统：
$export PATH=/usr/local/cuda-9.0/bin:$PATH
$export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
32位系统：
$export PATH=/usr/local/cuda-9.0/bin:$PATH
$export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib:$LD_LIBRARY_PATH
保存文件，并重启。因为source /etc/profile是临时生效，重启电脑才是永久生效。
重启电脑，检查上述的环境变量是否设置成功。
a.验证驱动版本
$ cat /proc/driver/nvidia/version
b.验证CUDA Toolkit
$ nvcc -V
如果这里面出不来，那么先编译运行例子后再回来验证
最后，我们需要尝试编译cuda提供的例子，看cuda能否正常运行
打开终端输入（注意你安装的路径，替换user_name）
$ cd /home/user_name/NVIDIA_CUDA-9.0_Samples
$ make
系统就会自动进入到编译过程，整个过程大概需要十几到二十分钟，请耐心等待。如果出现错误的话，系统会立即报错停止。
如果编译成功，最后会显示Finished building CUDA samples，如下图所示。
运行编译生成的二进制文件。
编译后的二进制文件默认存放在NVIDIA_CUDA-9.0_Samples/bin中。
接着在终端中输入 ：
$ cd bin/x86_64/linux/release$ ./deviceQuery
结果如下图所示：看到类似如下图片中的显示，则代表CUDA安装且配置成功，其中 Result = PASS代表成功,若失败 Result = FAIL
最后再检查一下系统和CUDA-Capable device的连接情况
终端输入 ：
$ ./bandwidthTest
看到类似如下图片中的显示，则代表成功
在官网上下载适合cuda版本的deb文件或tgz文件。 cudnn-9.0-linux-x64-v7.1.tgz
把头文件和库文件拷贝到cuda的安装目录中，首先确保cuda的安装目录是/usr/local/cuda/，之前安装cuda时，已经默认安装目录为/usr/local/cuda/了
sudo tar -xzvf cudnn-9.0-linux-x64-v7.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
文件拷贝成功
查看cudnn版本
sudo cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A2
安装Anaconda
然后执行：bash Anaconda×××-Linux-x86_64.sh ，然后一直enter键，中途会遇到([y]/n)? 的提示，输入y即可。
安装好后，在终端输入Python即可看见：Python 3.6.4 |Anaconda, Inc.|，表明安装成功。
安装tensorflow(cpu版）
官方的建议是即时你有gpu，但也可以先装一个cpu版，创建环境的命令为：
conda create -n tensorflow python=3.6
（一定要指定python版本，python=3.6）
source activate tensorflow #激活tensorflow环境
cd /Downloads#切换到whl文件所在文件夹
pip install --ignore-installed --upgrade tensorflow-1.5.0-py3-none-linux_x86_64.whl #不要用sudo pip，也不要用pip3
(tensorflow)$ python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess.run(hello)
GPU版下载对应GPU版本，安装方式一样
opencv安装
