系统环境：Ubuntu16.04
一、安装Ubuntu16.04双系统
1、利用UltraISO制作安装启动U盘《见 Ubuntu 16.04 安装基础入门教程 启动U盘制作部分》
2、Windows磁盘分区给Ubuntu《见 Windows下安装Ubuntu 16.04双系统 》
3、安装成功
二、安装显卡驱动
１、去英伟达官网下载驱动（https://www.nvidia.com/Download/index.aspx?lang=en-us）
下载完的驱动程序×××.run最好存放在/home/你的计算机名/xxx.run下，即根目录并改名０.run(方便安装的时候不用输入一长串字符)
建议安装最高版本的Nvidia驱动，不然可能安装完后编译代码出现CUDA driver version is insufficient for CUDA runtime version，也就是说cuda runtime库的版本比driver的版本高了，要么装更高版本的驱动，要么就用低一点版本的cuda runtime库。所以直接安装最新的Nvidia驱动就会避免这个问题。
２、禁用nouveau
Ubuntu系统集成的显卡驱动程序是nouveau，它是第三方为NVIDIA开发的开源驱动，我们需要先将其屏蔽才能安装NVIDIA官方驱动。
将驱动添加到黑名单blacklist.conf中，但是由于该文件的属性不允许修改。所以需要先修改文件属性。
更改blacklist-nouveau.conf文件
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
文件最后加上
blacklist nouveau
options nouveau modeset=0更新一下配置文件
sudo update-initramfs -u重启一下 reboot
确认下Nouveau是已经被你干掉，使用命令： lsmod | grep nouveau
如果没有输出，则Nouveau已经被你干掉。若有输出，再百度一下吧！
3、开始安装
首先我们需要结束x-window的服务，否则驱动将无法正常安装
关闭X-Window，很简单：
sudo service lightdm stop再安装驱动程序
带参数安装驱动（这个地方我的驱动程序直接在根目录下，所以很方便）：
sudo sh ０.run -no-x-check -no-opengl-files -no-nouveau-check
安装的时候可能会提示一个是否安装ＫＤＭ包，点yes确定。
重启X-window
sudo service lightdm start４、查看显卡驱动是否安装成功
nvidia-smi
出现上图，说明驱动安装成功，可以看出我的驱动版本是410.73。
三、Anaconda 安装
各大深度学习框架支持Python较为居多，Python在科学计算和数据挖掘领域可以说是独领风骚。虽然有来自R、Julia等语言的竞争压力，但是Python的各种库实在是太完善了，Web开发、数据可视化、数据预处理、数据库连接、爬虫等无所不能，有一个完美的生态环境。仅在数据挖据工具链上，Python就有NumPy、SciPy、Pandas、Scikit-learn、XGBoost等组件，做数据采集和预处理都非常方便，并且之后的模型训练阶段可以和TensorFlow等基于Python的深度学习框架完美衔接。所以这里我们也选择Python作为深度的学习的开发语言。
Anaconda包括里python和几乎平时开发所有库，不用总发愁开发中所需要的功能库的安装最后就是spyder的主界面。调试程序和变量查看窗口都很好用。
本次安装选择python3.６版本，Anaconda3-５.2.0-Linux-x86_64.sh版本该版本为python3.６，大概621MB。
anaconda的下载链接为 https://repo.continuum.io/archive/
下载完成后需对anaconda进行安装，进入anaconda存放目录，利用命令
bash Anaconda3-5.2.0-Linux-x86_64.sh 进行安装，进入安装后会进入用户协议的于都一路确定最后输入yes同意协议，同意后会询问安装路径，按enter键同意进入安装，安装完成后会询问是否添加环境变量，输入yes。安装完后还会提示是否安装VSCode，我点yes反正没安装成功，提示是网络连接有问题，估计是需要去外网下载，这里不安装也没关系，可以以后再配置。
安装完后记得查看~/.bashrc文件中是否添加了anaconda的路径，如果是一路yes下来的话是自动添加了的。如果没有的话，需要手动添加：
export PATH="/anaconda3的安装路径/bin:$PATH"
记得根据自己的实际情况，填写anaconda3的安装路径。之后source一下使其生效：
source ~/.bashrc在终端输入python之后，如果输出如下图，则安装成功。
更换pip源、conda源、apt-get源(可选操作)
anaconda安装后最好进行换源操作，因为pip ，conda，apt-get等命令进行操作时候链接的是境外的镜像文件，速度比较慢。可以将源换为国内源。
1.更换pip源：
cd到根目录，命令行输入：sudo mkdir .pip，新建一个名为“.pip”的文件夹。
创建pip配置文件：sudo gedit ~/.pip/pip.conf，在gedit编辑器界面中插入以下这句话：
[global]
index-url = https://pypi.douban.com/simple即可把pip源更新为国内豆瓣镜像
2.更换conda源
除了可以pip安装之外，也可以使用conda install xxx来安装第三方python包，要更换为国内镜像，创建配置文件：sudo gedit ~/.condarc
加入以下几句：
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true3.更换apt-get源
参考这里 https://blog.csdn.net/ezreal_king/article/details/72790291
四、通过Anaconda安装Tensorflow-gpu,keras
首先需要新建一个conda环境，命名为tensorflow：
conda create -n tensorflow python=3.6待创建完成之后可以使用以下命令管理这个环境：
source activate tensorflow #激活环境
source deactivate tensorflow #关闭环境在激活环境的情况下输入以下命令进行安装tensorflow的gpu版本和keras：
conda install tensorflow-gpu keras等待下载安装即可
这个conda install tensorflow-gpu keras命令很强大，它会自动帮你安装好CUDA和Cudnn并且自动安装相匹配的tensorflow-gpu版本，避免了因为手动安装cuda和cudnn时考虑 “到底是安装哪个版本的呢？”这个问题。
测试是否安装成功，在环境激活的情况下，输入python，然后输入
import tensorflow as tf
import keras如果不报错的话，说明安装成功。
也可以试一下下面这个稍微完整一点的代码：
import tensorflow as tf
hello = tf.constant(‘hello tensorflow!’)
sess = tf.Session()
print(sess.run(hello))用完之后记得要关闭环境！！！
五、PyCharm的安装及配置
1）PyCharm的安装
先在PyCharm官网下载安装包
链接：https://www.jetbrains.com/pycharm/download/#section=linux
网页打开的可能有点慢
选择平台为Linux，这里分为Professional专业版和Community社区版，区别是专业版是收费，而且功能更多，具体是什么功能我就没仔细了解了。我选择的是Community社区版，直接点击DOWNLOAD下载就行了
下载完成后，安装包在Downloads文件夹下。
右键安装包，点击“Extract Here”意思是提取到这里，相当于解压。
在终端指定到pycharm/bin目录下，再输入“sh ./pycharm.sh”
然后就是一些基础设置了，完成之后可以看到以下界面：
为了以后使用方便，可以将pycharm的路径添加到~/.bashrc文件中：
vim ~/.bashrc在文件末尾添加：
export PATH=/pycharm的解压路径/bin:$PATH记得更改好路径，保存退出，之后再source一下使其生效。之后就可以直接在终端输入pycharm.sh即可启动PyCharm了。
如果安装完成后，没有找到pycharm的启动图标，可以参考：https://jingyan.baidu.com/article/c45ad29c030102051753e20f.html
2）PyCharm的配置
重点：正确配置Project的Interpreter即可
source activate tensorflow
which python找到tensorflow中python的安装路径，并用小本本记下
例如我的安装路径是/home/cc/anaconda3/evns/tensorflow/bin/python
然后打开pycharm,新建一个project，在File->setting->project->project interpreter
点击右边红框处的设置，选择Add local,然后在红框出输入之前在终端的路径，保存就可以了。
选择existing environment 就好，new environment的ok选项是灰色的，可能修改不来
然后，，，就没有然后了，大工搞成，开始你的pycharm之旅吧！
附：
anaconda默认安装了一个ｐｙｔｈｏｎ开发神器，Jupyter Notebook，（此前被称为 IPython notebook）是一个交互式笔记本，支持运行 40 多种编程语言。接下来，我们就用它来写一个tensorflow 的 helloworld ，验证我们之前的安装是否成功。
在终端激活tensorflow的环境，输入jupyter notebook，即可打开jupyter
也可以打开别人写好的.ipynb文件，进行代码调试。
如果想给jupyter notebook里的python编译器添加一些库，需要先激活tensorflow环境，比如在jupyter下出现错误，ImportError: Could not import PIL.Image. The use of `array_to_img` requires PIL.是因为缺了一个包，先激活tensorflow环境source activate tensorflow，再pip install pillow。