最近在摸deepface代码，一堆环境要配置，过程记录一下吧。
安装顺序：Python-> Tensorflow -> Nvidia GPU Driver -> CUDA -> CUDNN
一、安装Python3.6
Ubuntu16.04系统下默认是python2.7.网上说一般不建议卸载系统自带的python，所以保留。
1. 配置软件仓库
sudo add-apt-repository ppa:jonathonf/python-3.6
2. 检查系统软件包，安装Python3.6
sudo apt-get update
sudo apt-get update
sudo apt-get install python3.6
3. 修改python3的默认版本
因为现在python3有3.5和3.6两个版本，我们想要优先使用3.6，执行以下命令：
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.5 1
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.6 2
sudo update-alternatives --config python3
4.最后一条，前面有*号的就是python3的默认版本。之后如果想修改也可以通过这个方法进行修改，只需要输入你想要的版本的序号就可以了。但是现在输入python命令默认的还是python2，可以通过下面两条命令修改优先级
sudo update-alternatives--install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives--install /usr/bin/python python /usr/bin/python3 150
二、安装Anaconda
1.到https://www.anaconda.com/download/下载对应版本的anaconda，下文都是基于python3.6进行的
2. 下载完成后，安装 Python3.6对应的Anaconda
bash ~/Downloads/Anaconda3-5.0.1-Linux-x86_64.sh
后面的文件名对应你下载的文件，路径对应你下载文件的路径
3. 出现more就一直按回车看证书信息，问是否接受license，输入yes
默认的路径为/home/username/anaconda3，不改变的话就直接按ENTER就好了，下面就是等待安装过程：
4.到这里注意，询问是否将Anaconda3加入到环境变量中，选yes。因为默认是no，之后要用的话还要自己在环境变量中加一次：
关闭当前终端，并重新开一个，或者执行命令source ~/.bashrc使得上面更新的环境变量生效。
5. 通过打开一个Anaconda Navigator（一个包含Anaconda的程序）来验证安装是否成功。
anaconda-navigator
打开时间会稍稍有一点长，成功的话会见到Anaconda Navigator的界面。
//这里补充一下，由于anaconda 和 usr/local下都有python，非常容易搞混淆。在sudo也就是管理员的权限下，使用的是usr/local的python,
对应的pip也是安装在其下的site-packages文件夹中，我第一次安装tf的时候并没有留意使用的是哪个路劲下的python，导致无法使用tf。
修改pip,python路劲参考：https://blog.csdn.net/C_chuxin/article/details/82962797。可以使用pip show pip参看当前使用pip路径，python -m site可以
参看当前使用python的路劲。
三、安装TensorFlow
1. CUDA 9.0
为避免和新的CUDA 版本产生冲突，如果存在之前的的旧版本，可以选择先卸载，在/usr/local/cuda/bin目录下有一个uninstallcuda*.pl 文件，可以直接运行卸载，命令如下：
sudo ./uninstall_cuda_*.pl
这样即可将 CUDA 全部卸载。
接下来我们再下载 CUDA 9.0，注意 TensorFlow 1.5 和 1.6 版本依然只是兼容 CUDA 9.0，没有兼容CUDA 9.1，所以不要下载 9.1，CUDA9.0 的下载地址是：https://developer.nvidia.com/cuda-90-download-archive，然后依次勾选好系统的版本，这里我们选择 Linux-x86_64-Ubuntu-16.04-runfile 的配置，然后点击 Base Installer 部分的 Download 按钮，下载 CUDA 9.0 安装包。
对应的下载命令是：
wgethttps://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run
执行此命令，等待下载完成即可。
sudo bash cuda_9.0.176_384.81_linux-run
安装过程需要输入一些确认选项，过程如下：
Description
The NVIDIA CUDA Toolkit provides command-line and graphical
tools for building, debugging and optimizing the performance
Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
(y)es/(n)o/(q)uit: n
Install the CUDA 9.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-9.0 ]:
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 9.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
[ default is /home/cqc ]:
Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...
最后如果出现这样的提示，就证明CUDA 安装好了：
Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-9.0
Samples: Installed in /home/cqc, but missing recommendedlibraries
Please make sure that
- PATH includes /usr/local/cuda-9.0/bin
- LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add/usr/local/cuda-9.0/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run the uninstall script in/usr/local/cuda-9.0/bin
Please see CUDA_Installation_Guide_Linux.pdf in/usr/local/cuda-9.0/doc/pdf for detailed information on setting up CUDA.
***WARNING: Incomplete installation! This installation did not install theCUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0functionality to work.
To install the driver using this installer, run the following command,replacing <CudaInstaller> with the name of this run file:
sudo <CudaInstaller>.run -silent -driver
然后我们需要配置一下环境变量，更改~/.bashrc 文件，添加如下几行：
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
exportLD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda
修改完毕之后执行一下使其生效：
source ~/.bashrc
这时我们输出 CUDA_HOME、LD_LIBRARY_PATH 就可以看到对应的输出了：
echo $CUDA_HOME
/usr/local/cuda
echo $LD_LIBRARY_PATH
/usr/local/cuda/lib64
这样就代表环境变量生效了，CUDA 安装完成。
2. cuDNN 7.1
cuDNN 的全称是 The NVIDIA CUDA® Deep Neural Network library，是专门用来对深度学习加速的库，它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度学习的加速优化，目前最新版本是 cuDNN 7.1，接下来我们来看下它的安装方式。
下载链接：https://developer.nvidia.com/rdp/cudnn-download，需要注册之后才能打开，这里我们选择cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0，然后选择 cuDNNv7.1.1 Library for Linux，如图所示：
下载下来之后解压安装即可：
tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
执行完如上命令之后，cuDNN 就安装好了，这时我们可以发现在/usr/local/cuda/include 目录下就多了 cudnn.h 头文件。
3.TensorFlow 1.6
到现在为止 Python 3.6、CUDA 9.0 和 cuDNN 7.1 就已经安装好了，而且环境变量也配置好了，接下来我们直接安装TensorFlow 1.6 即可，TensorFlow 1.6 版本针对 CUDA 9 和 cuDNN 7 做了优化，可以预构建二进制文件。
这里需要安装的是 TensorFlow 的 GPU 版本，命令如下：
pip3 install tensorflow-gpu==1.6.0
安装完成之后验证一下：
import tensorflow
如果没有报错，那就证明全部环境配置都成功了。
---------------------
作者：xyu66
来源：CSDN
原文：https://blog.csdn.net/xyu66/article/details/80022282
版权声明：本文为博主原创文章，转载请附上博文链接！