其实，机器学习大部分的工作，还是在基于Linux内核的操作系统上完成的，所以再写一篇Ubuntu下的安装过程。
开始步骤其实可以参考我的博客https://blog.csdn.net/ezhchai/article/details/69663082
不论是caffe还是tensorflow，用到GPU都要先安装NVIDIA的驱动和cuda以及cudnn，这个过程没区别。
首先是安装NVIDIA显卡驱动，然后是cuda和cudnn。这些均可以参考caffe安装的博客Caffe开发（1）：Ubuntu 16.04环境下caffe配置来实现。
这里需要说明两点：
①安装NVIDIA显卡驱动之前，需要先禁用Ubuntu自带的nouveau驱动，否则会出现显示不正常，以及无法进入系统（Login Loop）等一系列问题。方法如下：
- 在/etc/modprobe.d/目录下，新建blacklist-nouveau.conf
sudo vim /etc/modprobe.d/blacklist-nouveau.conf 添加以下语句
blacklist nouveau options nouveau modset=0- 执行
sudo update-initramfs -u，使更改生效； - 执行
lspci | grep nouveau查看是否有内容，如果没有内容，说明更改生效；如果有内容，就重启一下。
这里想吐槽一下，Linux做开发挺好，但不太适合办公系统，如果用它来替代windows进行办公的话，对使用者的素质要求会高不少，很多问题不是很容易搞定，严重影响办公效率。所以，如果我们做国产自主系统的话，选择Linux内核做基础，用户友好性上要达到Windows或者MacOS的程度，还有很多工作要做。
②安装cuda和cudnn，要注意版本的匹配。
- 在下载cudnn时，会提示其对应的cuda版本，cuda和cudnn版本必须匹配；
- 在安装tensorflow时，要注意tensorflow和cuda以及cudnn版本的匹配，这个在后面的安装过程中会有所体现。
安装完cudnn后，就要关注Python了。Ubuntu16.04自带python2和python3，直接在Terminal中输入python命令，即可进入python环境。如下图所示。
通过python的pip安装tensorflow即可，不过可惜的是pip不是默认自带的软件，需要安装，按提示安装即可。我用python3比较习惯，所以安装python3的pip，也就是pip3。
pip安装完成后，可以直接用pip安装tensorflow。
可以看到安装失败了，网络太差，在线安装下载速度慢，那比较好的方法是直接下载tensorflow的gpu版本的whl包。网址是https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0-cp35-cp35m-linux_x86_64.whl
之所以选择1.3版本，是因为1.5版本需要cuda9.0，我安装的是8.0，版本不匹配是不能用的。下载好之后，还是用pip安装即可。
可以看到，还是会下一些依赖包，以保证版本匹配。不过这个就小多了，安装成功。这事要测试一下tensorflow是不是能用，简单的方法就是进入python环境，import一下tensorflow，看看成功与否。
很不幸，不成功。这里提示，找不到libcudnn.so.6文件，说明1.3版本要求cudnn版本为6，我的cudnn版本是5，所以需要重新安装cudnn，安装过程也是参考Caffe开发（1）：Ubuntu 16.04环境下caffe配置
上图中，可以看到安装好cudnn 6以后，import tensorflow时，就不报错了，说明已经可以使用了。
当然，安装tensorflow有5种方法，还可以用Virtualenv ，Anaconda， Docker和源码安装。有时间会把源码安装过程也写一下，另外几种和pip没什么本质区别，就不尝试了~