chmo 777 Document 这里Document是一个文件夹，文件夹中还有好多子文件，可以发现执行了这条指令以后，其子文件夹的权限并没有改变。 要想改变其子文件夹的权限，应该执行 chmod -R 777 Document/
ubuntu desktop的英伟达CUDA安装网上教程很多，具体过程就是：禁用第三方英伟达显卡开源驱动nouveau；重建内核；下载cuda toolkit run文件（toolkit自带显卡驱动，无需另外安装）；切换成tty模式；sudo sh 执行run文件；重启完成。
注意：上述安装过程依赖 gcc g++ make三个linux下的开发工具若没有就需要安装（ubuntu server默认没有这三个工具，需要单独安装）
sudo apt-get install gcc sudo apt-get install g++ sudo apt-get install make
详细过程：
sudo nano /etc/modprobe.d/blacklist.conf 在最后添加 blacklist vga16fb blacklist nouveau blacklist rivafb blacklist rivatv blacklist nvidiafb 对于16.04版本而言，大多数时候只需要blacklist nouveau即可 sudo update-initramfs -u 重建内核并重启 lsmod | grep nouveau 没有输出说明正确 sudo sh 运行run文件即可
安装过程中会询问是否安装openGL，这个最好去掉，以免出现循环登陆的情况！（实际从9.1toolkit之后已经修复）
建议：最好直接安装CUDA toolkit，因为它是含驱动的！有些时候单独下载驱动可能无法匹配CUDA版本，所以，一个CUDA toolkit解决了很多问题，我看网上很多人对linux安装显卡驱动和CUDA写了很多，大多数里有很多无用功，安装本是一件很简单的事情，不要把它搞复杂了，当然对于比较老的显卡，可能非常麻烦，我曾经拿到一块丽台FX1300，安装过程及其坎坷，只能在ubuntu10上使用。对于大多数显卡来说，你根本不用担心。
此外，还有一个问题：如何判断自己的显卡支持的CUDA版本？注意，这个问题很多人忽略了，以为只要支持CUDA的显卡都支持任何版本的CUDA toolkit，这是错误的。英伟达这样的厂商不可能长久支持某个型号的显卡，对于早就退市的显卡，英伟达只是有限支持一下，对于新版本的CUDA还是不要想了，如果你注意windows下的cuda toolkit安装过程，你会发现，第一步就是验证硬件，很多老显卡无法通过验证。言归正传，我在另一篇文章中详细说明了如何判断显卡支持CUDA最高版本：
记录一次Python下Tensorflow安装过程，1.7带GPU加速版本
大家可以仔细读一下同样适用于linux，可以说这是最优解决方案了。