本篇文章主要讲解在Ubuntu16.04环境下，搭建TensorFlow框架，主要是GPU版本的。cpu版本相对比较简单，网上教程应该也比较详细。记得有个人说过，没有GPU，还搞什么深度学习。
安装TensorFlow有以下几种方法，通过Docker安装，通过pip安装以及从源码安装。
这里我是使用pip安装。pip是一个安装、管理Python软件包的工具，通过pip可以安装已经打包好的TensorFlow以及TensorFlow所需要的依赖关系。这里需要说明的是，因为是在Linux环境下搭建，所以基本的复制粘贴删除解压命令要熟悉，但是我要说的是，就算是零基础的同学，也依然可以独立安装成功。因为不会的命令网上都可以查到。
需要使用到的一些软件包有 显卡驱动、CUDA8.0、Cudnn8.0-linux-v6.0等。下面我会按顺序讲解到。
首先，第一步，安装显卡驱动。
先看一下自己的电脑对应的驱动版本。
使用命令：ubuntu-drivers devices 会显示一个recommend的驱动版本。一般是三位数的，比如1080的显卡是384，950对应的是375或者在这里搜一下就好了。
得到版本号之后，输入命令：
sudo apt-get install nvidia-384 //最后三位是自己显卡驱动的版本号
第二步，安装CUDA8.0，点这里下载，点我点我
本博客里面的所有需要下载的资源，如果由于各种原因，无法下载到，私信我，我及时传给你。
进去之后，我们选择Linux->x86_64->Ubuntu->16.04->runfile(local)
即可下载，大概是一个多G，如果需要注册啥的，注册个就好。
注意：以上只是一种下载CUDA8.0的方式。
当然你可以通过命令一步到位：wget https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda_8.0.61_375.26_linux-run
然后就是这个命令：
sudo sh cuda_8.0.61_375.26_linux.run --override --silent --toolkit
安装的cuda在/usr/local/cuda下面。
第三步，安装Cudnn 8.0 v6.0，注意这里一定要装6.0的，不然后面会出现这种问题：
（假设你装的是v5.0的）ImportError:libcudart.so.6.0:cannotopen shared object file:No such file or directory
如何安装和下载？ 用以下几条命令即可：
首先是： wget http://developer.download.nvidia.com/compute/redist/cudnn/v6.0/cudnn-8.0-linux-x64-v6.0-rc.tgz
意思是获取这个压缩文件。
然后，是这样的：sudo cpcudnn-8.0-linux-x64-v6.0.tgz /usr/local/cuda
接着：
cd /usr/local/cuda
tar -xzvf cudnn-8.0-linux-x64-v6.0.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*
最后就是，将以下两个路径加入到环境变量中。
具体做法是，输入 vim ~/.bashrc意思是用vim编辑器
输入i进入编辑模式，在末尾添加：
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
然后保存并退出。
最后，输入pip install tensorflow-gpu就可以大功告成。
来测试一下吧。
$python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello,TensorFlow!')
>>> sess = tf.Session()
>>> sess.run(hello)
'Hello,TensorFlow!'
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> sess.run(a + b)
42
当然，在真实安装的时候，可能由于版本不一致、安装包缺失等各种各种的问题，我们要做的只是上网搜解决方案，然后愉快地进行深度学习模型的训练。欢迎留言骚扰