一、安装CUDA
首先打开👇这个Instruction manual放一边备用
CUDA Toolkit Documentation docs.nvidia.com
Chapter 1. INTRODUCTION
➡️System Requirements 了解安装前所需的系统及环境
copy 1
CUDA Toolkit 10.0 Download developer.nvidia.com
➡️去👆官网下载所需的CUDA安装包，本文以ubuntu16.04环境，安装CUDA8.0为例
Chapter 1 的其余内容有兴趣的可以看一看
针对Ubuntu 16.04安装CUDA 8.0+cuDNN7.0
step 1
step 2
step 3
Chapter 2. PRE-INSTALLATION ACTIONS
主要就是验证一些依赖都存在
验证是否拥有支持CUDA的GPU
‣ Verify the system has a CUDA-capable GPU
$ lspci | grep -i nvidia会出现类似版本信息（下面的[Quadro K620]是显卡型号），若你的NVIDIA GPU卡没有在 http://developer.nvidia.com/cuda-gpus所示的列表中，那么你的GPU卡不支持安装CUDA
01:00.0 VGA compatible controller: NVIDIA Corporation GM107GL [Quadro K620] (rev a2)
01:00.1 Audio device: NVIDIA Corporation Device 0fbc (rev a1)如果没有看到任何设置，请更新Linux维护的PCI硬件数据库通过在命令行输入
$ update-pciids并重新运行lspci的命令
验证系统是否正在运行受支持的Linux版本
‣ Verify the system is running a supported version of Linux
$ uname -m && cat /etc/*release若出现👇类似的版本信息，则正在运行受支持的Linux版本（x86_64行表示正在64位系统上运行）
x86_64
DISTRIB_ID=Ubuntu
DISTRIB_RELEASE=16.04
DISTRIB_CODENAME=xenial
DISTRIB_DESCRIPTION="Ubuntu 16.04.4 LTS"
NAME="Ubuntu"
VERSION="16.04.4 LTS (Xenial Xerus)"
ID=ubuntu
ID_LIKE=debian
PRETTY_NAME="Ubuntu 16.04.4 LTS"
VERSION_ID="16.04"
HOME_URL="http://www.ubuntu.com/"
SUPPORT_URL="http://help.ubuntu.com/"
BUG_REPORT_URL="http://bugs.launchpad.net/ubuntu/"
VERSION_CODENAME=xenial
UBUNTU_CODENAME=xenial验证系统是否已安装gcc
‣ Verify the system has gcc installed.
$ gcc --version若出现类似版本信息，则证明已经安装gcc
gcc (Ubuntu 5.4.0-6ubuntu1~16.04.9) 5.4.0 20160609
Copyright (C) 2015 Free Software Foundation, Inc.
This is free software; see the source for copying conditions. There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.如果显示错误消息，则需要从Linux发行版安装开发工具，或从Web获取gcc及其附带工具链的版本
验证系统是否安装了正确的内核标头和开发包
‣ Verify the system has the correct kernel headers and development packages installed
以下命令可以查看当前系统运行的内核版本
$ uname -r这是在安装CUDA驱动程序之前必须安装的内核头文件和开发包的版本。此命令将在下面多次使用，以指定要安装的软件包的版本
若出现类似版本信息，则证明已经正确安装
$ 4.13.0-36-generic若没有版本信息，则可以使用以下命令安装当前运行的内核的内核头文件和开发包：
$ sudo apt-get install linux-headers-$(uname -r)可以通过将👇发布的MD5校验和与下载文件的校验和进行比较来验证下载
developer.nvidia.com/cuda-downloads/checksums developer.nvidia.com
如果任一校验和不同，则下载的文件已损坏，需要再次下载
要计算下载文件的MD5校验和，运行以下命令：
$ md5sum <file>以本文为例：
$ md5sum cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb得到的结果用以对比，经过与网站中的校验对比可知相同
$ 9376f7d8cced818d5d5dcb90d1ceebdf cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb在安装CUDA之前，需要将之前安装的CUDA卸载，在以Deb方式（即安装包的后缀为.deb）安装时，在Ubuntu下移除之前版本的CUDA命令如下👇
$ sudo apt-get --purge remove <package_name>Chapter 3. PACKAGE MANAGER INSTALLATION
如图点击进入Ubuntu的安装
copy 2
前面的操作都执行过后，可以直接执行
安装存储库元数据
Install repository meta-data
$ sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb其实后边这一串就是安装包的名字。
以本文为例：
$ sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb更新Apt存储库缓存
Update the Apt repository cache
$ sudo apt-get update安装CUDA
Install CUDA
$ sudo apt-get install cuda安装基本完成，但是现在还不能❌使用，接下来要执行安装后操作，才能使用CUDA Toolkit和Driver，点击➡️所指绿色字体：
copy 3
Chapter 6. POST-INSTALLATION ACTIONS
安装后操作
PATH变量需要包含/usr/local/cuda-8.0/bin
要将此路径添加到PATH变，先执行
$ sudo gedit ~/.bashrc打开.bashrc文档（以文本文档的打开方式打开，如gedit：），将的代码复制粘贴到文档的末尾，并保存。
$ export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}再执行命令，执行后 ~/.bashrc 中的内容立即生效
$ source ~/.bashrc
或 $ .. ~/.bashrc最后。。。。终于到最后了
$ nvcc -V若出现类似的信息，那么恭喜你！！！！
🎉CUDA安装成功啦～终于可以暂时告别那个41页的英文文档了
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Sun_Sep__4_22:14:01_CDT_2016
Cuda compilation tools, release 8.0, V8.0.44二、安装cuDNN
1、连接到👇
NVIDIA cuDNN developer.nvidia.com
点击download –> Archived cuDNN Releases –> Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0 –>下载以下三个文件
cuDNN v6.0 Runtime Library for Ubuntu16.04 (Deb)
cuDNN v6.0 Developer Library for Ubuntu16.04 (Deb)
cuDNN v6.0 Code Samples and User Guide for Ubuntu16.04 (Deb)
2、打开命令窗口，定位到以上三个文件的存放目录，分别执行以下三条命令：
$ sudo dpkg -i libcudnn6_6.0.21-1+cuda8.0_amd64.deb
$ sudo dpkg -i libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb
$ sudo dpkg -i libcudnn6-doc_6.0.21-1+cuda8.0_amd64.deb3、验证安装是否成功：分别执行以下语句
$ cp -r /usr/src/cudnn_samples_v7/ $HOME
$ cd $HOME/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN若输出 Test passed，则说明安装成功
三、安装tensorflow
1、安装好基本环境后，cuda cudnn等
2、如果你的网络畅通并且有安装pip的镜像源，那么直接
$ sudo pip install tensorflow-gpu否则的话，可以去👇这个网址下载相应的whl文件
tensorflow-gpu pypi.python.org
然后直接
$ sudo pip install下载好的whl文件名.whl3、测试是否安装成功，自行查询。
本文原创，欢迎转发👻
感谢
@EnjoyDeepLearning 的技术指导感谢
@凯祭恩 的核查
