一、安裝cuda

首先下載cuda打deb檔案https://developer.nvidia.com/cuda-80-ga2-download-archive

選擇相應的系統版本和檔案型別（此處我們選擇local的deb型別檔案）

然後執行以下三條命令

1、sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb

2、sudo apt-get update

3、sudo apt-get install cuda

重新啟動，然後輸入invidia-smi驗證，有輸出則證明安裝成功。

二、安裝cudnn

首先下載檔案，連結https://developer.nvidia.com/rdp/cudnn-download

選擇Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0下的cuDNN v6.0 Library for Linux版本

直接的下載連結為https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170307/cudnn-8.0-linux-ppc64le-v6.0-tgz

下載完成後在命令列中輸入以下四條命令

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/

sudo chmod a+r /usr/local/cuda/include/cudnn.h

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

三、安裝Tensorflow-gpu

首先安裝pip

sudo apt-get install python-pip
 

然後使用pip安裝tensorflow，此處注意。我們要安裝的是tensorflow的gpu版本，而且，cuda、cundnn、tensorflow和python的版本需要適當配合才能正確執行，也就是說不可以隨意更換版本，我們這裡要安裝tensorflow-gpu的1.4版本，他和cuda8、cudnn6、python2或者3都可以很好的配合。所以執行以下命令
pip install tensorflow-gpu==1.4
 
如果中途遇到許可權或者pip更新版本問題，根據錯誤提示使用sudo許可權，或者升級pip版本即可
完成之後，
在命令列下輸入python進入python

import tensorflow as tf 嘗試，

嘗試執行一個程式，然後看大會輸出你的顯示卡資訊就證明ok啦