本人在伺服器上已經用Anconda建立好python3.5的環境，這個網上有一大堆教程。接下來是重點。

1. cuda的安裝

https://developer.nvidia.com/cuda-downloads，選runfile(local)這個檔案下載然後執行如下程式碼

  sh cuda_9.0.176_384.81_linux-run
  chmod +x filename.run #如果不能直接執行，執行這個命令

在協議中選擇同意EULA（accept）,不安裝driver installation （no）,然後再安裝cuda時選擇個人使用者的目錄，如/home/yourname/cuda9,以及cudasamples的目錄。

nvidia-smi #檢視顯示卡驅動執行狀態
nvcc -V  #檢視cuda-toolkit安裝是否成功

2.cuDNN檔案匯入cuda安裝目錄對應的位置

https://developer.nvidia.com/cudnn，這個需要註冊，然後選擇cudnn-9.0-linux-x64-v7.tgz這個下載--lib庫

cp cuda/include/cudnn.h cuda9/include/ #cuda9是個人使用者的下的目錄/home/yourname/cuda9
cp cuda /lib64/libcudnn* cuda9/lib64/
chmod a+r cuda9/include/cudnn/h cuda9/lib64/libcudnn* 

cat ~/cuda91/include/cudnn.h | grep CUDNN_MAJOR -A5 #檢視cuDNN安裝狀態

#檢視結果
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 5

#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

3.在自己的.bashrc檔案裡新增環境變數

export PATH=/home/yourname/cuda9/bin:$PATH” #加入檔案中
export LD_LIBRARY_PATH
 
=/home/yourname/cuda9/lib64/ #加入檔案中
soure ~/.bashrc #使修改後的環境變數生效

4.安裝並測試tensorflow

import tensorflow as tf
x = tf.nn.conv2d(tf.ones([1,1,10,1]), tf.ones([1,5,1,1]), strides=[1, 1, 1, 1], padding='SAME')
with tf.Session() as sess:
    sess.run(x) # this should output a tensor of shape (1,1,10,1) with [3,4,5,5,5,5,5,5,4,3]