前言
之前装过Caffe，踩过一些坑，现在装Tensorflow相对从容一些，不过还是值得记录一下流程。
我的系统配置是：
系统：Ubuntu 14.04LTS
显卡：Nvidia Quadro K1200
CUDA 8.0安装
1.安装必要的一些库
sudo apt-get install build-essential
- 下载CUDA toolkit 8.0 官网地址
友情提示：最好下载本地文件安装.
3. 清楚残留以及禁用nouveau
“`
sudo apt-get –purge remove nvidia-*
vim /etc/modprobe.d/blacklist-nouveau.conf
//写入下面两行
blacklist nouveau
options nouveau modeset=0
//重新生成内核initramfs sudo update-initramfs -u //重启 reboot ```
4. 正式安装
//CTRL + ALT +F1 进入tty1模式
sudo service lightdm stop
//更改权限
sudo chmod +x (你的run文件)
sudo sh (你的run文件) --no-opengl-libs//记得别安装opengl库
//在~/.bashrc中添加环境变量
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
//验证驱动版本和CUDA驱动版本
cat /proc/driver/nvidia/version
nvcc -V
sudo service lightdm stop
reboot
- 编译CUDA样例并运行
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
安装Nvidia cuDNN
下载好相应版本的cuDNN，我下载的是cuDNN5.1,解压，设置环境变量
sudo tar -xvf (你的cuDNN文件) -C /usr/local
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/lib64
//最后记得source ~/.bashrc
cat /proc/driver/nvidia/version //查看驱动版本
nvcc -V //查看ＣＵＤＡ版本
nvidia-smi //查看ＧＰＵ使用情况
安装Tensorflow-GPU
安装Anaconda3
Anaconda可以省去很多麻烦，建议采用这种方式；
从清华大学开源软件镜像站下载想的版本；
//安装Anaconda3
bash Anaconda(你的版本).sh
//环境变量
export PATH=(你的安装路径):$PATH //比如 /root/Anaconda3/bin:$PATH
conda list //查看已经安装的库
conda update pip //更新pip
finally，最后一步！
..................................
//第一种安装方式
//pip 安装,网速不稳定
pip install tensorflow-gpu
...................................
//第二种安装方式
//从清华开源软件镜像站下载需要的版本，建议1.2，1.3报错（cuDNN版本太低）,网址https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux
pip install tensorflow_gpu-1.2.0-cp36-cp36m-linux_x86_64.whl
哈哈，最后测试啦！
python
import tensorflow as tf
搞定！
注意：
import没错并不意味着能够用ＧＰＵ进行训练，需要用下面的命令进行检测，不然就重装吧，重装一次的飘过，囧-_-
