（史上最详细版---无坑版）ubuntu16.04安装cuda8+cudnn+tensorflow-gpu版本

1、安装CUDA

提前安装好自己的N卡驱动，一般采用apt-get方式安装最简单：
    卸载系统里的Nvidia低版本显卡驱动

    sudo apt-get purge nvidia*

    把显卡驱动加入PPA

        sudo add-apt-repository ppa:graphics-drivers
        sudo apt-get update

    查找并安装最新驱动

    sudo apt-cache search nvidia

    例如：最新版本390.48已加载。采用apt-get命令在终端安装：

    sudo apt-get install nvidia-390

    重启系统并验证、在终端输入以下命令行：

    lsmod | grep nvidia
先退出桌面进入命令行
    service lightdm stop

安装cudn8.0。    
    sudo sh XXXXX.run(8.0)    

过程：
    Do you accept the previously read EULA?

    accept/decline/quit: accept

    

    Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?

    (y)es/(n)o/(q)uit: n(这一步选择n，其他选择y或者按enter)

    

    Install the CUDA 8.0 Toolkit?

    (y)es/(n)o/(q)uit: y

    

    Enter Toolkit Location

     [ default is /usr/local/cuda-8.0 ]:

    

    Do you want to install a symbolic link at /usr/local/cuda?

    (y)es/(n)o/(q)uit: y

    

    Install the CUDA 8.0 Samples?

    (y)es/(n)o/(q)uit: y

    

    Enter CUDA Samples Location

     [ default is /home/maddock ]:

    

    Installing the CUDA Toolkit in /usr/local/cuda-8.0 ...

    Installing the CUDA Samples in /home/maddock ...

    Copying samples to /home/maddock/NVIDIA_CUDA-8.0_Samples now...

    Finished copying samples.

    

    ===========

    = Summary =

    ===========

    

    Driver:   Not Selected

    Toolkit:  Installed in /usr/local/cuda-8.0

    Samples:  Installed in /home/maddock
    
然后添加环境变量
    编辑home目录下面.bashrc文件

    sudo vim ~/.bashrc

    输入下面内容

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

    export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

    export LD_LIBRARY_PATH=/usr/local/cuda/lib64/

    使得环境变量生效

    source ~/.bashrc
测试CUDA的sammples

    运行如下的命令

    cd /usr/local/cuda-8.0/samples

    sudo make all

    cd ./1_Utilities/deviceQuery

    sudo make

    ./deviceQuery
2、安装cudnn5 for cuda8
下载下来以后，发现是一个tgz的压缩包，使用tar进行解压

    tar -xvf cudnn-8.0-linux-x64-v5.1.tgz

    安装cuDNN比较简单，解压后把相应的文件拷贝到对应的CUDA目录下即可

    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*
更改动态文件链接

    cd /usr/local/cuda/lib64/

    sudo rm -rf libcudnn.so libcudnn.so.5  #删除原有动态文件

以下的两步设置软连接时

    一定要注意自己电脑的/usr/local/cuda/lib64/下的libcudnn.so.5.XXX名字，

    有的可能是libcudnn.so.6.0.5等，要依据自己的电脑上的文件来定
****************************************************************************
tensorflow1.2 好像默认使用cudnn5.
所以此处在建立软连接时。一定要把libcudnn.so.5/6.XXX-------->libcudnn.so.5(此处必须是 5）
                              libcudnn.so.5-------------->libcudnn.so    

所以实际使用cudnn5或者6都可以，但是要一次软连接到---->libcudnn.so.5---->libcudnn.so    
****************************************************************************

    sudo ln -s libcudnn.so.6/5.XXX libcudnn.so.5                      #生成软链接

    sudo ln -s libcudnn.so.5 libcudnn.so                            #生成软链接

3、安装tensorflow-gpu版本 （1.2）
系统环境下安装
    sudo pip install tensorflow-gpu==1.2.0（必须是sudo）
    
    如果遇到错误、执行下面代码
    sudo su
    sudo apt-get install python2-pip
    pip install tensorflow-gpu==1.2.0

    
anacinda虚拟环境下安装
    安装Anaconda2
    sudo sh Anaconda2.sh

    创建虚拟的环境
    conda create -n 环境名称(例如：tensorflow) python=2.7

    并在此环境下安装所有的anaconda的包
    source activate tensorflow
    conda install anaconda

    在此环境下安装tensorflow-gpu版本
    pip install --ignore-installed --upgrade 清华源的地址
        获取清华源的网站：https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/
        选取适合自己的版本
        如：相应的网址为：
        pip install \
           -i https://pypi.tuna.tsinghua.edu.cn/simple/ \
           https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl(此行，即为“清华源的地址”)
        则命令行如下：
    pip install --ignore-installed --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl

测试：
    import tensorflow as tf

    hello=tf.constant('Hello, TensorFlow')

    sess=tf.Session()

    print(sess.run(hello))
输出“Hello, TensorFlow!”则安装成功！！！！！！！！！！！！！！！！！！！！