首先十分感謝我的老師對我的支援，終於申請到了電腦，現在終於可以在linux系統下載配置tensorflow-GPU加速器了，對於新手說安裝過程也是十分’感動’，掉坑無數，希望本文可以給大家帶來幫助。

步驟一：安裝Nvidia顯示卡驅動
步驟二：下載並安裝cuda8.0
步驟三：安裝GPU版tensorflow
步驟四：安裝atom及其外掛
步驟五：測試程式

    sudo add-apt-repository ppa:graphics-drivers/ppa
    sudo apt-get update 
    sudo apt-get install nvidia-384
 

    sudo apt-get install mesa-common-dev
    sudo apt-get install freeglut3-dev

重啟後在終端輸入nvidia-smi檢視啊驅動資訊：

步驟二：下載並安裝cuda8.0
說明：ubantu16.04只能安裝cuda8.0，其他版本安裝很多問題。
1、cuda下載
歷史版本連結https://developer.nvidia.com/cuda-toolkit-archive(需要註冊後下載，畢竟免費嘛)，記得選擇cuda8的版本。

下載的是run檔案（不要問為什麼不載deb檔案，說多了都是淚… …）
2、cuda安裝

cd /download/ #首先跳轉至下載目錄或者直接在下載目錄開啟終端
sudo chmod +x cuda_8.0.61_375.26_linux.run 
sudo ./cuda_8.0.61_375.26_linux.run 

畫重點，敲！黑！! 板！！!

安裝提示是否安裝Linux-x86_64 361.62驅動，這裡必須輸入“N”不安裝,因為我們在步驟一就安裝了穩定的Nvidia驅動嘛，如果不小心按下了“Y”,那麼恭喜你，cuda後面的安裝都會出錯[笑哭]。
後面的全部按照預設即可，然後耐心等待一下，可以去喝杯茶或者咖啡～。

安裝完畢後，再宣告一下環境變數，並將其寫入到 ~/.bashrc 的尾部，終端輸入：sudo gedit ~/.bashrc

export PATH=/usr/local/cuda-8.0/bin\${PATH:+:\${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64\${LD_LIBRARY_PATH:+:\${LD_LIBRARY_PATH}}

最後測試cuda8.0,在終端執行以下命令：

cd ~/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery
make
./deviceQuery

輸出Result = PASS 表示安裝成功。

**配置cudnn5/cudnn6
tensorflow1.4.0之前配置cundnn5.1是可以的，但是tensorflow1.4.0之後需要cudnn6.0
配置如下:
下載cudnn5/6解壓後cuda目錄下有include和lib64兩個資料夾。
複製標頭檔案cudnn.h到/usr/local/cuda-8.0/include/目錄下：
sudo cp cuda/include/cudnn.h/usr/local/cuda-8.0/include/
複製庫檔案lib*到/usr/local/cuda-8.0/lib64/目錄下：
sudo cp cuda/lib/lib*/usr/local/cuda-8.0/lib64/**
如果出現錯誤如下：libcudart.so.8.0: cannot open shared object file: No such file or directory
參考：https://blog.csdn.net/u010454261/article/details/71268325?utm_source=itdadao&utm_medium=referral
如果出現錯誤如下：

參考：https://blog.csdn.net/u013591306/article/details/79038125
步驟三：安裝GPU版tensorflow

    #安裝python3
    sudo apt-get install python-pip python-dev 
    sudo apt-get install python3

    #安裝pip用來安裝tensorflow
    sudo apt-get install python3-pip
    sudo pip3 install -upgrade pip

    #選擇python3作為預設，我們使用python3編寫程式
    sudo update-alternatives --config python 
    sudo pip3 install tensorflow-gpu
    一般前面說的方法很慢或者版本不對應
    可以百度搜索：tensorflow清華大學映象源安裝方法，然後選擇對應自己的python版本安裝即可，速度賊快

安裝完成後可以在終端測試以下，如下圖tensorflow安裝成功

步驟四：安裝atom及其外掛

步驟五：測試程式
最後在atom新建一個檔案儲存問.py檔案，測試程式碼如下：

# Creates a graph.
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

最後輸出如下，可以看到使用編譯程式碼的裝置，“GPU :0”：自己電腦上的GPU。如果電腦還有多個GPU，則為“GPU:1/2/3”。