环境：小米笔记本 + Ubuntu 18.04 + Tensorflow – GPU 1.9.0 + cuda 9.0
第1步 搭建基本开发环境：
sudo apt install gcc g++
sudo apt install gcc-6 g++-6
sudo apt install make git vim
sudo apt install linux-source
uname -r 查看当前linux内核版本号
sudo apt install linux-headers-版本号
sudo apt install python3-pip python3-dev
sudo apt install python3-opencv
第2步 删除系统集成的Nvidia驱动：
lsmod | grep nouveau 看有无内容，若有则：
cd /etc/modprobe.d/
sudo vim blacklist-nouveau.conf
输入以下并保存：
blacklist nouveau
options nouveau modeset=0
sudo update-initramfs -ureboot
再次查看：lsmod | grep nouveau 无内容则成功；
第3步 下载并安装Nvidia驱动：
安装方法一：
下载：驱动程序 | GeForce http://www.geforce.cn/drivers
运行：sudo sh ./NVIDIA-Linux-x86_64-xxx.xx.run
过程中提示：pre-install script failed! 选继续；
提示32-bit compatibility libraries, 选No
挂载：sudo modprobe nvidia
验证：nvidia-smi, 出现显卡信息则成功
安装方法二（推荐）：
sudo apt install nvidia-3**
挂载：sudo modprobe nvidia
验证：nvidia-smi, 出现显卡信息则成功
第4步、安装 Cuda 9.0
（必须注意：只安装Tensorflow官网推荐的版本号，不要安装其它高或低版本，如Cuda
9.1 或 8.0）
下载：CUDA Toolkit 9.0 Downloads ， 选择并下载deb (local)
安装：sudo dpkg -i cuda-xxx（下载下来的文件）
sudo apt-key add (按照上句命令提示的语句)
sudo apt update
sudo apt install cuda
sudo vim /ect/profile, 加入以下两句：
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
验证：
cd /usr/local/cuda-9.0/samples/1_Utilities
cd bandwidthTest
make
./bandwidthTest
提示Pass则证明安装成功
第5步、安装libcudnn
1、登陆并注册Nvidia开发者，NVIDIA cuDNN
2、下载与已经安装Cuda版本号匹配的libcudnn-dev，deb版本
3、sudo dpkg -i libcudnn-dev_xxxxxx（已经下载的版本）
第6步、安装tensorflow-gpu
pip3 install tensorflow-gpu
第7步、验证：
#python
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow’)sess = tf.Session ()
print (sess.run(hello))
查看打印结果是否正常。
