第一步：安装显卡驱动
运行深度学习需要比较多的并行运算，所以准备一张显卡还是很有必要的。现在英伟达占全球显卡市场的70%，现在基本都在用英伟达的显卡，小编用的是磐镭1080显卡。
在安装显卡驱动之前，我们可以先使用下列令名查看系统状态：
1，cat /etc/issue 可以查看你的linux版本，我使用的版本是 Ubuntu 16.04.2 LTS
2，lspci 查看系统设备信息。可以使用-d参数来列出所有nvidia设备， 如 lspci -d 10de:
下面我们开始进入安装过程：
首先，
我们要禁止Ubuntu自带的默认驱动 nouveau。 使用cd /etc/modprobe.d进入目录，建立并编辑blacklist-nouveau.conf文件vi blacklist-nouveau.conf:
在vi界面下输入下面两行：
blacklist nouveau
options nouveau modeset=0
输入wq保存文件，然后重新启动系统。系统的时候，你能观察到画面质量降低了。启动成功后，可以使用下面的命令查看nouveau是否被禁用：lsmod | grep nouveau 。如果禁用成功，那么运行该命令没有输入。
第二步：
在成功禁用默认的驱动后，我们要在非图形模式下安装显卡驱动。使用service lightdm stop关闭图形显示。
第三步：
如果系统之前有安装驱动，那么要先使用指令apt-get autoremove –purge nvidia-* 清理之前的安装，然后运行下载的驱动程序，如 ./NVIDIA-Linux-x86_64-???.??.run 其中?是版本号码。在安装驱动的时候，可以加入下列参数：
-no-x-check -no-nouveau-check -no-opengl-files
第四步
使用service lightdm start重启图形界面
如果驱动成功安装，则可以通过nvidia-smi查看显卡的具体信息。在图形界面的搜索窗口输入nvidia-settings则可以显示出显卡设置控制面板。
第二步：安装CUDA库
在深度学习中，CUDA是一种可以用GPU来运行的代码库。在成功安装显卡驱动后，我们就可以安装CUDA库了。CUDA的安装比较简单，只需要执行命令：cuda_8.0.**_***.**_linux.run。
安装的过程中，除了是否安装驱动项选否外，其它全部选yes.然后一步步按照指引就可以安装完成。
安装完成后，首先使用下列指令设置路径：
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
然后，可以用nvcc –version来查看版本号。nvcc即nvidia cuda compiler driver
接下来就是检验CUDA是否成功运行的时刻了：
第一步：进入目录 /root/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery
第二步：进行make进行编译
第三步：运行编译好的程序 ./deviceQuery
如果程序编译运行成功，那么就表明CUDA已经可以正常使用了。
第三步：安装Tensorflow
首先，我们要下载CUDA针对深度学习的库cudnn, 并解压： tar xvzf cudnn-8.0-linux-x64-v?.?.tgz， 得到头文件和对应的库文件。
然后，我们把文件拷贝到CUDA的安装目录下：
cp cuda/include/* /usr/local/cuda-8.0/include
cp cuda/lib64/* /usr/local/cuda-8.0/lib64
接下来，我们把环境变量加入到profile里面：
打开profile文件vi /etc/profile， 并在文件末尾加入两行
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
运行export可以查看环境变量有没有成功加入。
有了上述的准备工作，我们就可以开始正式安装Tensorflow了。
由于我们要使用pip来安装Tensorflow,所以要先安装python-pip和python-dev:
apt-get install python-pip python-dev
然后我们使用pip install tensorflow-gpu来开始下载并安装tensorflow：
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.1-cp27-none-linux_x86_64.whl
pip install –upgrade $TF_BINARY_URL
安装完成后，我们接下来开始测试tensorflow是否运行正常。
首先，我们查看下python的版本，python –version。 这里使用的是2.7.12
然后我们开始在命令行的方式下进行python编程：
import tensorflow as tf
hello=tf.constant(‘hello’)
sess=tf.Session()
print(sess.run(hello))
在运行过程中，屏幕会显示下列信息，并最终显示hello。
successfully opened CUDA library libcublas.so locally…
Found device 0 with properties: name: GTX…
Creating TensorFlow device (/gpu:0) -> (device: 0, name:…..
hello
限 时 特 惠： 本站每日持续更新海量各大内部创业教程，一年会员只需98元，全站资源免费下载 点击查看详情
站 长 微 信： lzxmw777
