深度学习环境tensorflow-gpu 1.4安装过程记录
换了个小米笔记本用来办公，内置win10，因为硬盘容量较小，搭建linux双系统的想法只好暂时搁置，忍着用了几个月。
前几天买了块硬盘，升级了一下笔记本，这下终于可以装上双系统了，程序猿还是觉得linux用起来舒服啊（打游戏除外…）= =
本来打算装ubuntu的，但是偶然间发现了国内团队做的deepin linux，感觉很赞啊，就用上了。程序猿嘛，接下来，就是开发环境的搭建了。于是，就有了这篇博文。
参数：
- 操作系统：Deepin Linux 15.5
- 笔记本： 小米笔记本pro
- 显卡：Nivdia MX150
- tensorflow版本：1.4
- cuda版本：8.0
- cudnn版本：6
搭建过程中碰到了很多坑，中间有一次失败尝试导致系统出现异常，重装了系统。现总结正确安装方式，一来给自己备忘，二来给有需要的同学作为参考。
一、安装显卡驱动
用的是deepin 15.5系统，该系统提供驱动管理工具，可以很简单为显卡安装驱动。ubuntu系统提供的也有类似的工具，其他系统我不太熟悉，请自行研究。装驱动还是挺简单的，多搜一下就可以了。
下图是deepin的驱动管理工具，我为显卡安装了大黄蜂版的显卡驱动（bumblebee-nvidia和nvidia-driver），如下图，上面那个就是MX150的显卡驱动，下面那个是我的核显驱动，可以不用管它。
选中对应驱动，保存即可。
打开终端，在终端内输入以下命令：
sudo apt-get update
sudo apt-get install nvidia-smi通过nvidia-smi，我们可以查看显卡信息，以确认我们的驱动是否正确安装了。在终端内输入：
optirun nvidia-smi因为我们安装的是大黄蜂版的显卡驱动，所以显卡是由bumblebee进行管理的。为了降低能耗，平时独显是处于关闭状态的，如果有程序需要使用到独显，可以通过optirun进行启动。对于做深度学习训练这样可能太麻烦了，是有解决方法的，后面我会详细介绍。
如果显卡驱动安装正确，运行上面的命令，你会看到类似于下面的输出：
至此，驱动安装完成。
二、安装tensorflow-gpu
兼容原因，安装tensorflow-gpu 1.4版本。
很简单，如果没安装pip的话，要先安装pip：
sudo apt-get install python-pip安装完成后，输入：
pip install tensorflow-gpu==1.4即可完成tensorflow-gpu 1.4版本的安装。
需要注意的是，tensorflow-gpu版本需要完成cuda和cudnn的安装才能运行。这个时候的tensorflow是不能运行的，在python中输入import tensorflow会报错。
请往下读。
三、安装cuda
为了兼容，我们这里安装cuda 8。
网上找了很多教程，结果还是在这里卡了很久，因为很多都不适用。别人用起来正常，在我这里可能就出错了。最后，我选择了相当简单粗暴的一种方法：
打开终端，输入如下命令：
sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler 打完收工，安装完毕！
四、安装 cudnn
兼容原因，这里安装cudnn 6。
首先，从官网下载压缩包cudnn-8.0-linux-x64-v6.0.tgz。免费下载，需要登录，如无账号请自行注册。下载地址为https://developer.nvidia.com/cudnn
下载完成后得到压缩包：
对压缩包进行解压，得到一个名为cuda的文件夹。正常来说，我们需要将cuda中的一些文件复制到/usr/local/cuda-8.0/***的路径下，并配置相关路径。但这里，我们的做法有点不同。
因为，我们是用apt-get安装的，所以，我们是不存在/usr/local/cuda-8.0/***路径的，也不需要配置环境路径。但复制还是要复制的，不过位置变了一下，这里是第二个卡住我的问题点，找了很久，知乎的一位答友吕俊奇的回答给了我启发(回答的链接我会放到文末的参考中)，这里要做如下操作：
第一，将解压出来的cuda/include/下的cudnn.h文件复制到/usr/local/include/目录下。
第二，将cuda/lib64/目录下的所有文件复制到python环境的tensorflow包的tensorflow/python/目录下，比如，对我来说该路径就是/home/aaron/.local/lib/python2.7/site-packages/tensorflow/python，这个路径因人而异，请参考我的路径自行查找。
五、测试
至此，安装全部完成。我们测试一下是否安装成功。
在测试之前，埋一下前面的坑。
关于bumblebee版显卡驱动在深度学习训练中的开启和关闭：
在进行训练前，在终端输入sudo tee /proc/acpi/bbswitch <<< ON，可开启显卡。
在训练结束后，在终端输入sudo tee /proc/acpi/bbswitch <<< OFF，可关闭显卡。
开启显卡在终端中打开python，并尝试引入tensorflow：
python
>>> import tensorflow as tf如果没有安装成功，会报错。
如果没有报错，那说明安装的没有问题。继续输入：
>>> sess=tf.Session()会输出显卡信息：
好了，恭喜，到了这里，你已经完成了全部内容，祝你好运！
参考
[1] Deepin15.4 下 CUDA 配置方法
[2] deepin15.5下安装tensorflow
[3] Ubuntu16.04无法安装CUDA吗？ - 吕俊奇的回答 - 知乎