第一：Ubuntu16.04系统安装。
首先制作班图启动盘一步一步安装，跟安装视窗系统类似吧，自己对试试，这不是我讲的主要内容。
主要内容：
第二：。安装Anaconda
Anaconda是一个用于科学计算的Python发行版，支持Linux，Mac，Windows，包含了众多流行的科学计算，数据分析的Python包.Tensorflow底层使用C ++实现的，然后使用python封装，暂时只支持这两种语言，使用最多的是python。很多的行业大牛都推荐使用Anaconda，因为他可以隔离多个python环境，同时解决掉了很多python包的依赖。
下载Anaconda，官网下载，速度太慢，推荐清华的镜像源，下载后执行
进入下载的目录下安装sh Anaconda3-4.4.0-Linux-x86_64.sh1.检查环境变量，没有则添加
第三：在ubuntu16.04系统下安装 - 显卡驱动
重点：在安装显卡驱动时，有的要关闭其他显卡，禁用其他显卡，否则在安装显卡驱动出现循环登录，安装不了
这里自己可以自己多百度下，网上有很多博客解说的
1：首先在终端查看显卡信息
$ sudo lshw -numeric -C display
wangdong@wangdong-Precision-5820-Tower:~$ sudo lshw -numeric -C display
*-display
description: VGA compatible controller
product: NVIDIA Corporation [10DE:1B06]
vendor: NVIDIA Corporation [10DE]
physical id: 0
bus info: pci@0000:65:00.0
version: a1
width: 64 bits
clock: 33MHz
capabilities: pm msi pciexpress vga_controller bus_master cap_list rom
configuration: driver=nvidia latency=0
resources: irq:35 memory:d7000000-d7ffffff memory:c0000000-cfffffff memory:d0000000-d1ffffff ioport:b000(size=128) memory:d8000000-d807ffff
wangdong@wangdong-Precision-5820-Tower:~$
或者输入
$ lspci | grep -i nvidia查看一样
确认显卡信息，
ubuntu-drivers设备
查看系统推荐的NVIDIA显卡驱动
也可以去管网NVIDIA官网搜索对应的显卡信息
https://www.nvidia.com/Download/index.aspx
sudo add-apt-repository ppa:xorg-edgers/ppa
sudo apt-get update
sudo apt-get install nvidia-384 #注意在这里指定自己的驱动版本
reboot # 重启系统
nvidia-smi # 如果驱动安装成功，则会显示驱动的相关信息注意，安装完驱动一定要重启，否则可能看不到效果。以为没安装成功再安装，发生没必要的麻烦
第四：安装CUDA和cuDNN
CUDA是NVIDIA推出的使用GPU资源进行通用计算的SDK，CUDA的安装包里一般集成了显卡驱动，
因此可以直接去官网下载NVIDIA CUDA：
1：如果这里下载了CUDA-8.0 deb（local）包 的话，就进入下载的目录下，根据下载时提示的安装指令输入安装就可以了：
cd /home/***(自己的用户名)/Desktop/### (这个命令意思是找到刚刚我们用U盘传过来的文件)
sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda2：如果下在的.sh文件的话，就在目录下直接在安装目录下输入指令安装
sudo sh cuda_8.0.44_linux.run然后按 Ctrl+C 跳过more（0%），输入 accept，选择 no（因为已经安装过显卡驱动了），后面按照需要选择 y/n 可顺利完成安装。
5：安装cudNN
我们先从官网下载与我们安装的CUDA-8.0版本对应的cuDNN v6.0最稳
创建一个名tensorflow-gpu 的环境 当然这个名称根据个人设置
conda create -n tensorflow-GPU python=3.5 # 这里我安装的是python3.5版本的。
定
需要先注册NVIDIA
账号接下载再安装cuDNN
到cuDNN安装目录解压命令（注意版本号自行改成自己的）：
$ sudo tar -xzvf ~/downloads/cudnn-8.0-linux-x64-v5.1.tgz再设置系统环境，把解压的cuDNN文件夹里包括和lib64的文件夹里的文件复制到对应的/usr/local/cuda-8.0对应的文件夹里，注意先到相应目录确定文件名后再执行
$ sudo cp cuDNN/cuda/include/cudnn.h /usr/local/cuda-9.1/include
$ sudo cp cuDNN/cuda/lib64/libcudnn* /usr/local/cuda-9.1/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-9.1/lib64/libcudnn*第五：在Anaconda环境下安装tensorflow-gpu
创建一个名tensorflow-gpu 的环境
conda create -n tensorflow-gpu python=3.5 # 这里我安装的是python3.5版本的
根据提示：
source activate tensorflow-gpu # 进入激活环境
source deactivate # 退出激活环境
2.到清华源里下载tensorflow -gpu对应的版本，我下载的是tensorflow-gpu1.3版本（注意这里下载的tensorflow-GPU版本要根据篇配cudn8.0d等。好像8.0的只适合1.3版本及以前，9.0的适合1.3版本之后的tensprflow-GPU）.
然后在激活环境里输入指令安装：
pip install tensorflow_gpu-1.3.1-cp35-cp35mu-manylinux1_x86_64.whl
也可以在线安装谷歌的GPU版本，由于在ubuntu系统用的是安装国外的软件，可能速度较慢。多试几下。
第六：接着就是测试tensorflow-gpu版本及加速效果的包是不是安装成功了：
在建立Session会话的时候，运行，就会显示一大串信息：
安装成功：
接下来，也可以进入编辑器spyder或者jupyter notebook,运行一个复杂的模型，
在运行过程中，打开另一个终端，输入
nvidia-smi
查看GPU的使用1情况，如果看不出加速效果，GPU使用一直在百分0上下，就说明哪里安装过程除了问题