要使用支持cuda的GPU，查看GPU是否支持cuda，查看https://developer.nvidia.com/cuda-gpus
需要安装如下软件支持：
从CUDA 4.1版本开始，现在支持gcc 4.5。gcc 4.6和4.7不受支持。
从CUDA 5.0版本开始，现在支持gcc 4.6。gcc 4.7不受支持。
从CUDA 6.0版本开始，现在支持gcc 4.7。
从CUDA 7.0版本开始，完全支持gcc 4.8，在Ubuntu 14.04和Fedora 21上支持4.9。
从CUDA 7.5版开始，完全支持gcc 4.8，在Ubuntu 14.04和Fedora 21上支持4.9。
从CUDA 8版本开始，Ubuntu 16.06和Fedora 23完全支持gcc 5.3。
从CUDA 9版本开始，Ubuntu 16.04，Ubuntu 17.04和Fedora 25完全支持gcc 6。
Ubuntu16.04自带gcc 5.4，所以不能安装cuda8.0，应该安装cuda9.0以上版本，否则，需要将gcc版本降低。
1 安装CUDA9.0
补充说明：http://www.geforce.cn/drivers/results/123918 下载对应你机器上的gpu驱动
安装一下安装cuda9.0需要的依赖库：:
$ sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
下载cuda9.0，我是默认保存在~/Downloads/目录下
https://developer.nvidia.com/cuda-90-download-archive
判断是否禁用nouveau
ubuntu自带的nouveau驱动会影响cuda安装，不当操作会导致黑屏和登陆循环，禁用不影响。 终端运行：
$ lsmod | grep nouveau
如果不打印信息，则表示你之前就已经禁用。如果打印信息，请自行查找资料禁用该驱动。
安装cuda9.0
$ cd ~/Downloads/
$ ls
$ sudo sh cuda_9.0.176_384.81_linux.run
单击回车，一路往下运行，会显示比例。
直到提示“是否为NVIDIA安装驱动nvidia-384？”，选择否，因为已经安装好驱动程序了，其他的全都是默认，不过要记住安装位置，默认是安装在/usr/local/cuda文件夹下。
配置环境变量，运行如下命令打开profile文件
$ sudo gedit /etc/profile
打开文件后在文件末尾添加路径，也就是安装目录，命令如下：
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH
保存，然后重启电脑
$ sudo reboot
安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
设置环境变量和动态链接库，在命令行输入：
$ sudo gedit /etc/profile
文件末尾加上
export PATH=/usr/local/cuda/bin:$PATH
保存之后，创建链接文件：
$ sudo gedit /etc/ld.so.conf.d/cuda.conf
在打开的文件中添加如下语句：
/usr/local/cuda/lib64
然后执行
sudo ldconfig
使动态链接生效
测试CUDA的例子1
$ cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
$ sudo make
$ ./deviceQuery
如果显示的是关于GPU的信息，则说明安装成功了。
测试CUDA的例子2
$ cd ~/NVIDIA_CUDA-9.0_Samples/5_Simulations/ nbody
$ sudo make clean && make
$ ./ nbody
如果出现如下，则表示安装成功。
2 安装cuDNN7.3
目的是：安装cuDNN库来加速我们的深度学习算法
下载cuDNN，需要在Nvidia官网注册账号，网址如下：
https://developer.nvidia.com/rdp/cudnn-download
我使用的是学校邮箱注册的，注册完成后，会发一封邮件给你注册的邮箱，需要去邮箱验证通过。然后，登录，开始需要填写基本信息，这个随意填写。
登录后，选择你对应版本的cuDNN，我的是Ubuntu16.04且安装的是CUDA9.0，所以我下载如下三个文件，直接默认存在~/Downloads/目录下。
注意：这三个文件都要下载。
使用如下命令安装：
$ cd ~/Downloads/
$ ls
$ sudo dpkg -i libcudnn7_7.3.1.20-1+cuda9.0_amd64.deb
$ sudo dpkg -i libcudnn7-dev_7.3.1.20-1+cuda9.0_amd64.deb
$ sudo dpkg -i libcudnn7-doc_7.3.1.20-1+cuda9.0_amd64.deb
安装完成
在我们验证cuDNN之前，我们必须首先安装freeimage lilbray作为ministCUDNN示例代码的依赖关系。否则，会有提示要求我们正确设置Freeimage
$ sudo apt-get install libfreeimage3 libfreeimage-dev
使用如下命令验证;
$ cp -r /usr/src/cudnn_samples_v7/ $HOME
$ cd $HOME/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN
如果输出如下信息就表示安装cuDNN成功，并且还可以看到你机器上有几个支持cuda的设备。
3 安装GPU版本tensorflow
下载tensorflow1.11.0
https://pypi.org/project/tensorflow-gpu/
默认在~/Downloads/下
$ cd ~/Downloads/
$ sudo –H pip install tensorflow_gpu-1.11.0-cp35-cp35m-manylinux1_x86_64.whl
安装成功
验证：
