背景：
实验室有一台服务器，安装ubuntu16.04， 已经在系统账号安装py27和py35，CUDA8.0与cudnn6，由于有在需要在py3以上的jupyter notebook跑深度学习程序，所以以目前的方式，py35无法使用keras，需要重新配置python3，cuda 与 cudnn之间在多账户下的关系，在保证系统账号py27可以使用的条件下，在另外一个账号下可以使用py3的jupyter notebook进行Keras深度学习程序开发（Keras基于tensorflow，实际上就是安装tensorflow-gpu）
深度学习linux ubuntu 系统多账户机器学习python推荐配置框架：
首先，Ubuntu16.04系统一般自带python2.7，若服务器个人使用可以直接在此基础上安装tensorflow-gpu，（先安装 CUDA9.0 + cudnn7~，在sudo pip install tensorflow-gpu)，也可以安装python3.6或3.7，（建议安装CUDA9.0 + cudnn，这样你的Python2.7也可以用cuda），若明确不用python2.7的话，可以安装CUDA9.2或CUDA10，根据显卡选取，这种情况下建议CUDA越高越好，优化速度会有明显差别（待验证，但cuda9确实别8要快上3倍，nvidia1080Ti上测试）。
框架简述：
1，安装Ubuntu16.04系统，安装CUDA 和cudnn
CUDA和cudnn安装相关流程与方法可参考“奔跑_少年”的博客：
https://www.cnblogs.com/sp-li/p/7680526.html
2，创建多账户，one/two/three，方法可以自行百度
3，在分别的账号下安装Anaconda，安装conda详细请见
https://www.cnblogs.com/xuliangxing/p/7575586.html，
安装anaconda后，会将子账户下的Python默认路径更新到anaconda下，所以在不改变python默认路径的情况下可以放心使用pip安装软件，但是个人建议在子账户下还是使用conda install去安装工具包，需要用到Python27或其他版本可以在conda中创建单独虚拟环境（conda creat -n py27(name) python=2.7)，激活虚拟环境后（source activate py27），配置需要的工具（conda install tensorflow-gpu）
如果要更新基础安装版本anaconda的conda或python（conda updata conda），需要给anaconda提升权限，否则系统将无法升级，
比如要用conda更新cython，直接输入
conda updata conda
会显示permission denied。
要先输入：
sudo chown -R marley:marley /home/marley/anaconda3
其中marley要改成自己的用户名，然后运行
conda update cython
至此可以使用conda，而不会受到权限约束。引用：https://blog.csdn.net/m0_37733057/article/details/77679714
个人想法：个人建议使用anaconda，因为多账户使用下可以相互之间独立出来，不会相互影响，conda基础包也会安装的比较全面，安装过程出问题的概率较低。
PS：
由于我们是老系统，先卸载NVIDIA显卡时候一直出问题卸载不了（卸载过程参考奔跑_少年），后来经过讨论分析发现，是我们boot盘已经满了，系统内核部分中间版本没有安装，但相互之间还有依赖关系，因此导致显卡驱动无法卸载也无法安装，
若/boot空间不足 from 奔跑_少年
uname -a 查看目前在用的内核版本
dpkg --get-selections|grep linux-image 显示所有的内核版本
sudo apt remove linux-image-XXXX-generic 卸载旧内核，注意只保留最新的 两个 版本
sudo apt autoremove 清理无用的依赖