１：python2.7+cuda8.0+cudnn6.0+tensorflow1.4.0

python2.7依賴庫安裝：

sudo pip install imutils
sudo apt-get install build-essential python-dev python-numpy python-setuptools python-scipy libatlas-dev libatlas3-base 
sudo apt-get install python-matplotlib  

sudo apt-get install build-essential python-dev python-setuptools python-numpy python-scipy libatlas-dev libatlas3gf-base
pip install --user --install-option="--prefix=" -U scikit-learn
 

cuda8.0，和cudnn6.0和上文一樣的配置方法，這裡就不在多說了，之所以用tensorflow1.4.0一方面是因為除錯一本書的程式碼需要，另一方面則是cuda8.0僅僅支援1.4版本以下的，如果再高則需要cuda9.0版本了．

tensorflow1.4.0安裝很簡單，直接輸入：

sudo pip install --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc1-cp27-none-linux_x86_64.whl

安裝過程可能出現安裝SSE4.1, SSE4.2, AVX, AVX2, FMA,等等之類的提示，由於安裝的GPU版本的tensorflow，因此忽略這個問題，因為安裝SSE4.1, SSE4.2, AVX, AVX2, FMA, 僅僅提升CPU的運算速度（大概有3倍）．

就可以了．終端輸入：

python
import tensorflow as tf

出現下面介面，表示安裝成功

２：ubuntu14.04+opencv3.1+cuda8.0+python2.7+cudnn5.1+caffee

由於依賴的cudnn版本不一致，因此使用的時候記得切換cudnn版本，當然你也可以安裝成相同版本的，免得麻煩．不過由於我的除錯需要，暫時就這樣了．

（１）依賴項安裝

General dependencies：
sudo apt-get install build-essential 

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
 

BLAS：
sudo apt-get install libatlas-base-dev

pycaffe：
sudo apt-get install python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags Cython ipython
sudo apt-get install protobuf-c-compiler protobuf-compiler

（２）opencv3.1＋contrib安裝

sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

git clone https://github.com/Itseez/opencv.git

git clone https://github.com/Itseez/opencv_contrib.git

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules/ -D CUDA_ARCH_BIN=6.1 -D CUDA_GENERATION=Auto ..

opencv和contrb的路徑自己設定，這個應該很簡單吧，CUDA運算能力必須和自己的GPU匹配,否則會報錯．cudnn就不多說了

python是系統自帶的2.7.6版本．

３：caffe安裝

（２）：cp Makefile.config.example Makefile.config 

（３）：修改配置檔案Makefile.config，我取消了這兩處的註釋

USE_CUDNN := 1
OPENCV_VERSION := 3

（４）如果編譯出現找不到cuda庫的一些問題，解決如下：

sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig

sudo cp -P /usr/local/cuda-8.0/lib64/libcudnn* /usr/local/lib && sudo ldconfig

（５）編譯

make all -j16
make test -j16
make runtest -j16
make pycaffe

（６）測試

1.將終端定位到Caffe根目錄
cd ~/caffe
		 
2.下載MNIST資料庫並解壓縮
./data/mnist/get_mnist.sh

3.將其轉換成Lmdb資料庫格式
./examples/mnist/create_mnist.sh
		 
4.訓練網路
./examples/mnist/train_lenet.sh

正常執行則安裝成功．

（７）使用python匯入caffe

新增環境變數　
export PYTHONPATH=~/lib/caffe:$PYTHONPATH 

還是找不到caffe模組的話,寫個路徑指令碼吧mycaffe.py
#!/usr/bin/python
"""
caffe path
"""
caffe_root = '~/lib/caffe/'
import sys
sys.path.insert(0, caffe_root + 'python')
import caffe  

（８）測試結果如下：

祝大家都能成功安裝，踏上深度學習之路，哈哈！