一、 准备工作

1. 首先下载英伟达驱动，下载地址。根据自己的系统以及显卡型号选择驱动，笔者下载的是NVIDIA-Linux-x86_64-367.57.run

2. 下载CUDA，下载地址。笔者选择的是CUDA8.0，目前1070和1080好像只支持8.0。其他显卡的也可以选择CUDA7.5.

3. 下载cudnn，下载地址。要填写一个小问卷，很快的。根据自己选择的CUDA版本选择cudnn版本，笔者选择的是cudnn v5.1 for CUDA8.0

4. 下载tensorflow，下载地址。这里我们选择安装编译好的二进制包，这是最简单的方法。在下载页面如下图位置，选择Linux-GPU：Python 3.5

二、 安装显卡驱动、CUDA、cudnn

1. 安装显卡驱动

    如果是新安装的Ubuntu系统，那么直接安装按以下步骤安装即可。如果曾经装过显卡驱动，请先卸载旧版驱动。

    a) Ctrl+Alt+F1进tty，如果黑屏可以修改grub文件。具体做做法如下

        sudo gedit /etc/default/grub        用gedit打开grub文件

        将GRUB_CMDLINE_LINUX_DEFAULT的值修改为 quiet splash nomodeset

        sudo update-grub                      更新grub

        重启电脑(可能会发现系统分辨率变了，不要紧，安装好驱动就会恢复正常)

    b) 进入tty之后，输入用户名和密码。

    c) sudo service lightdm stop          关闭图形界面

        cd DL                                       切换到你放驱动的文件夹，笔者的在DL文件夹

        sudo chmod 755 NVIDIA-Linux-x86_64-367.57.run获取权限，根据自己驱动名修改

        sudo ./NVIDIA-Linux-x86_64-367.57.run    如果提示pre-install失败可以忽略

        sudo service lightdm start         开启图形界面

    d) 测试一下，Ctrl+Alt+t打开terminal

        cat /proc/driver/nvidia/version

        如果出现下面的界面

       

        那么说明驱动安装成功了，可以看到笔者安装的版本是367.57

2. 安装CUDA

    a) 首先安装相关的依赖库

        sudo apt-get install freeglut3-dev
        sudo apt-get install build-essential
        sudo apt-get install libx11-dev
        sudo apt-get install libxmu-dev
        sudo apt-get install libxi-dev
        sudo apt-get install libglu1-mesa
        sudo apt-get install libglu1-mesa-dev   

     b) 切换到放cuda安装包的文件夹

        sudo sh cuda_8.0.44_linux.run --override

     c) 这时候会出现一大堆协议，一直按space就可以，最后accept

     d) 需要特别注意：安装过程中问你要不要Install NVIDIA　～～　drive一定要选ｎ，不然之前装的显卡驱动就白装了。这里主要是因为cuda提示安装的驱动版本比较低。

     e) 其他都选yes，默认文件夹不用去改它。

     f) 安装完毕之后设置一下环境变量。

        将下面两行写到~/.bashrc文件中(sudo gedit ~/.bashrc)

        export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
          export LD_LIBRARY_PATH=/usr/local/cuda8.0-/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
     g) 测试一下，切换到cuda_sample文件夹

        cd ～/NVIDIA_CUDA-8.0_Samples  切换到sample文件夹
        make                                                 make一下
        cd bin/x86_64/linux/release              切换到release目录
        ./deviceQuery                                    运行一下实例

        如果出现下面的图，说明安装成功了。

       

3. 安装cudnn

     a) cd  DL                切换目录，根据实际情况更改
         tar xvzf cudnn-8.0-linux-x64-v5.1.tgz   解压
         sudo cp cuda/include/cudnn.h /usr/local/cuda/include  复制头文件
         sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
         sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

     这样子就可以了。

4. 安装anacond

    anaconda集成了python的100多个库，比较方便。

    先去官网下载，下载地址。

    下载好后，切换到下载目录

     bash Anaconda3-4.2.0-Linux-x86_64.sh

     中间会问你要不要修改环境变量，选y

     安装完成记得执行一下 source ~/.bashrc 才会生效

     测试一下，在命令行输入python，出现下图说明安装正确。

    

5. 安装tensorflow

     a) 首先执行下面两句，开启GPU加速

     export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
      export CUDA_HOME=/usr/local/cuda

     b) pip install tensorflow-0.11.0rc1-cp35-cp35m-linux_x86_64.whl

     这就安装好了。你没看错。如果是自己折腾从源码编译不要太麻烦

     c) 测试一下

        cd anaconda3/lib/python3.5/site-packages/tensorflow/models/image/mnist

        python convolutional.py

       

     5.4ms,比CPU不要快太多。就这么愉快的结束了。真正的学习过程才刚刚开始~