sudo gedit ~/.bashrc
在打开的文本文件末尾加上两行写入：
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
继续添加：
sudo gedit /etc/profile
在打开的文件中输入：
注意：这一行代码网上很多是错误的，PATH与后面的等号不能存在空格
export PATH=/usr/local/cuda/bin:$PATH
创建链接文件，在命令行输入：
sudo gedit /etc/ld.so.conf.d/cuda.conf
在打开的文件末尾加上一行保存：
/usr/local/cuda/lib64
（三）CUDNN安装：
CUDNN的下载比较麻烦，需要注册Nvidia的账号，注册完成之后，下载cudnn6.0：
然后进行解压，并将文件覆盖到指定目录，具体操作如下，作者使用的是cuda6.0，
不同版本的cudnn需要进行对应的更改，进入cudnn下载的目录，然后：
tar xvzf cudnn-8.0-Linux-x64-v5.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn.so* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn.so*
sudo ln -sf libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig
注意：作者这里最后使用的时CuDNN5.1的版本，但操作方式相同，原因会在后面详细说明
（四）Tensorflow安装：
anaconda安装：
和N卡相关的软件我们都已安装好，在安装tensorflow前，先进行科学计算库anaconda的安装。
本文是基于anaconda安装tensorflow的，在官网上下载对应的安装包，作者选择的是linux 64位 ，Python版本为2.7
安装完anaconda以后，使用conda命令在终端下新建一个tensorflow的环境，
输入指令后系统会自动下载所依赖的软件库
conda create -n tensorflow python=2.7
tensorflow安装：
进入正题了，首先进入tensorflow的环境，输入：
source activate tensorflow
（这一步时配置tensorflow环境，tensorflow还未安装）
进入tensorflow环境后，开始安装tensorflow，输入：
pip install tensorflow
如果下载速度过慢，可以搭个梯子，在github上tensorflow的官网也可下载
安装完tensorflow后，在终端中进入python
测试
python
import tensorflow as tf
若没有报错，则安装成功
jupyter notebook安装：
在终端下显然不能够便捷地调试和编译深度学习程序，因此作者推荐安装jupyter notebook，同样地，打开终端，进入tensorflow环境，输入：
pip install jupyter notebook
安装完成后，在终端输入 jupyter noteook即可打开，记住要在tensorflow的环境下打开，因为我们是把jupyter安装在此环境下的。
（五）远程连接教程：
为了方便远程操控，作者用windows7远程连接安装好上述功能的linux操作系统，具体步骤如下：
windows端:
下载putty用于远程连接linux，在此处输入目标计算机的ip地址
登录到远程计算机后，输入账户和密码，就可以进入远程计算机的终端了（请先配置完linux端再进行此操作）
linux端
这里作者推荐这两篇博客，写的很详细，交叉阅览，很快能掌握：
解决了如何生成秘钥的问题：
http://blog.csdn.net/u013473520/article/details/50696771
解决了如果登陆失败，则有可能是服务器防火墙设置的问题
http://blog.csdn.net/bitboy_star/article/details/51427306
（六）总结一下安装思路：
（1）先安装linux操作系统，
（2）安装对应的显卡驱动，以及深度学习用的加速库CUDA和CUDNN。
（3）安装anaconda
（4）在tensorflow环境下安装tensorflow和jupyter notebook
（5）远程配置
（七）目前已知安装过程中遇到的问题汇总
安装过程中遇到很多问题，这里把问题都贴出来以减少大家的重复安装时间
（1）CuDNN版本选择
在配置CuDNN时，我一开始选择的版本是CuDNN6，但是因为我tensorflow中，整合的时cuda8.0+CuDNN5.1版本，因此在运行mnist时，会提示：
缺少cuda5.0，no such file or directory。解决这个问题有两个办法：
1.如果想使用6.0的CuDNN直接去github上面下载tensorflow的源码，使用bazel进行编译,具体可以参考这篇使用bazel编译tensorflow的教程：
http://blog.csdn.net/zhaoyu106/article/details/52793183/
2.在nvidia的网站上下载CuDNN5.1版本，按照（三）中的流程重新覆盖安装
（2）配置SSH远程访问
如果按照（五）中配置完jupyter notebook的远程访问还不能访问，一种原因是因为没有安装SSH server，这里给出安装ssh server的网址：
https://jingyan.baidu.com/article/9c69d48fb9fd7b13c8024e6b.html
有很详细的linux端配置ssh教程和如何在windows端连接的教程
（3）启动流程
linux端：按下启动键，windows端：打开putty，远程访问linux主机，启动tensorflow环境，启动jupyter notebook，在浏览器中打开jupyter notebook。此时运行mnist例子是没有问题的。给出一个mnist例子的链接：
https://github.com/JimReno/TensorFlow-Examples/tree/master/examples/3_NeuralNetworks
复制里面的convolutional_network到你新建的jupyter notebook下，然后运行。
（4）TIPS
1.在训练过程中，如果需要查看显卡使用情况可以在终端输入查看：
nvidia-smi
2.如果在linux上的下载速度太慢，可以在windows搭梯子，提前把tensorflow和numpy等安装包下载好，然后直接pip install下载的文件就可以了。
(5) GCC自动升级问题：
用了一周左右，发现gcc自动升级到5.4之后，跑程序的时候无法使用cuda加速了。
解决办法：降级GCC到4.9
此外，对linux操作系统不熟悉的读者，安装过程中可能会出现很多问题，因此我推荐一些我安装时查阅的博客和网站，其次大家可以把遇到的问题放在百度里面搜索，搭建环境这类的博客文章很多。
参考文献：
cuda添加环境变量：http://blog.csdn.net/Tcorpion/article/details/52740920
极客学院的tensorflow安装指南：http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html
和本文类似的安装tensorflow的指南，可以交叉阅读：http://blog.csdn.net/dabokele/article/details/53013921
CUDA安装时，如果GCC的降级，和CUDA samples的运行可以参考：http://www.linuxidc.com/Linux/2017-01/139320.htm
python的官网也有tensorflow-gpu的whl包，下载完成后用pip命令安装即可https://pypi.python.org/pypi/tensorflow-gpu
京公网安备 11010802041100号