转载请注明出处：blog.csdn.net/sproll
本文描述在ubuntu系列操作系统上安装gpu版本的tensorflow的过程。
0，准备工作
BIOS中关闭板载显卡，显示器接在nvidia显卡上。
下载cuda和cudnn：cuda_8.0.44_linux.run,cudnn-8.0-linux-x64-v5.1.tgz
以上驱动为本文编写时的最新驱动。
1，安装linux
安装mint18或者mint 18.1（也可以安装对应的ubuntu16.04），并更新源。
具体操作步骤见网上的帮助文档。
2，禁止nouveau驱动
nouveau为非官方的开源nvidia驱动，默认情况下系统采用该驱动配合nvidia显卡。安装官方驱动前要先关闭该驱动。
在/etc/modprobe.d/blacklist.conf文件中添加：
blacklistnouveau
执行完毕后重启。此时电脑进入cpu模拟显卡输出视频的状态。
3，解决tty不能显示问题
设置tty显示参数，否则如果在quiet模式下即关闭xwindows，将导致黑屏。
在/etc/default/grub文件中，修改GRUB_CMDLINE_LINUX_DEFAULT的值为nomodeset。
然后执行以下命令更新grub：
sudoupdate-grub
执行完毕后重启。
4，关闭xwindows
安装显卡驱动必须先关闭当前xwindows。
执行以下命令关闭xwindows：
sudoinit3
执行完毕后，如有需要，使用以下命令切换tty：
Ctrl+alt+Fn
Fn为F1-F8的功能键。
5，安装cuda
cuda和cudnn为nvidia的支持库，tensorflow运行时需要它的支持。
执行cuda安装文件：cuda_8.0.44_linux.run，安装过程中需要回答一些问题，如果不明白问题的含义，可以对所有问题都选择accept、yes或者直接按回车（有时会提示选择某些组件的安装路径，按回车就是使用默认的路径）。
在安装cuda过程中，会提示是否选择安装nvidia驱动，一定要选择是。
6，安装cudnn
Cudnn包（cudnn-8.0-linux-x64-v5.1.tgz）解压后，将include和lib64目录拷贝到/usr/local/cuda-8.0目录下。
7，安装pythonpip和pythondev
tensorflow需要python支持，执行以下命令行安装：
sudoapt-getinstallpython-pippython-dev
8，安装tensorflow
根据phthon和cuda版本，安装相应版本的tensorflow。本次安装的phthon为V2.7，cuda为V8.0，相应的tensorflow版本为V1.0：
在命令行中执行安装命令：
sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.0-cp27-none-linux_x86_64.wh
其中，tensorflow的地址（https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.0-cp27-none-linux_x86_64.wh）在其github主页上有说明，不同的python版本、操作系统、是否使用GPU，都会对应不同的下载地址。
安装过程中，下载可能会失败，失败的话重新执行以上命令安装。
有时pip会因为版本过旧安装失败，失败时会提示执行更新pip命令：pip--upgradepip
Youareusingpipversion8.1.1,howeverversion9.0.1isavailable.
Youshouldconsiderupgradingviathe‘pip--upgradepip’command.
然后继续重新安装tensorflow即可。
9，添加cuda路径
安装完成后，在用户目录下修改.bashrc文件（.bashrc为隐藏文件），添加以下两行，将cuda目录添加到环境变量的lib搜索目录中。
exportLD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
exportCUDA_HOME=/usr/local/cuda
10，测试tensorflow
输入以下文件内容，保存为hello.py文件。
importtensorflowastf
hello=tf.constant('Hello,TensorFlow!')
sess=tf.Session()
printsess.run(hello)
a=tf.constant(10)
b=tf.constant(32)
printsess.run(a+b)
打开控制台，进入hello.py的目录，输入以下命令，运行python：
python hello.py
如果输出以下内容表示tensorflow加载成功。
Hello,TensorFlow!
42
如下图所示：