目录
本次使用主机配置：
cpu：i7-8700K 显卡：GTX-1080Ti
一、安装显卡驱动
打开命令窗口（ctrl+Alt+T）
sudo apt-get purge nvidia*sudo add-apt-repository ppa:graphics-drivers/ppasudo apt-get update sudo apt-get install nvidia- nvidia-settings
如果报错add-apt-repository不存在，运行以下代码解决：
sudo apt-get install software-properties-common python-software-properties
检验是否安装成功
nvidia-smi
显示以下结果表明安装成功
二、安装CUDA
由于目前NVIDIA官网上的CUDA9.0+版本 存在缺陷，本次安装选择CUDA8.0
下载安装包：
地址：https://developer.nvidia.com/cuda-80-ga2-download-archive
进入下载页面后，下载CUDA8.0（cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb）安装包和
一个升级包（cuda-repo-ubuntu1604-8-0-local-cublas-performance-update_8.0.61-1_amd64.deb）
安装步骤：
1、安装基础包
sudo dpkg -i cuda-repo-ubuntu1604---local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
2、安装升级包
sudo dpkg -i cuda-repo-ubuntu1604---local-cublas-performance-update_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get upgrade cuda
设置环境变量：
在.bashrc中添加
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda
查看安装版本
cat /usr/local/cuda/version.txt
输出
CUDA Version 8.0.
三、安装cuDNN
cuDNN6.0和CUDA8.0最佳拍档，所以本次选择cuDNN6.0
下载安装包：
地址：https://developer.nvidia.com/rdp/cudnn-download
安装：
1、将下载的压缩包复制到CUDA目录
sudo cp cudnn-8.0-linux-x64-v6..tgz /usr/local/cuda
2、进入/usr/local/cuda解压文件，然后建立连接
tar -zxvf cudnn-8.0-linux-x64-v6..tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
查看cuDNN版本信息：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A
输出
#define CUDNN_MAJOR 6
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 21
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)#include "driver_types.h"
检测CUDA和cuDNN是否安装成功：
进入测试目录
//进入测试目录：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery//编译环境
make -j4//运行：
./deviceQuery
结果中有Result = PASS 表示安装成功
四、安装tensorflow-gpu
//安装命令，要安装哪个版本的tensorflow-gpu，使用 ‘tensorflow-gpu==xx’就行了
pip install tensorflow-gpu==1.4//卸载命令
pip uninstall tensorflow-gpu
测试gpu是否安装成功
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
输出里有 GPU的名称，显存等信息，表示tensorflow可以使用GPU了
到此安装已经完成，如有问题，欢迎留言讨论。
