可以参考nvidia官网进行tensorflow安装，https://www.nvidia.com/en-us/data-center/gpu-accelerated-applications/tensorflow/
1.安装GPU版本的tensorlfow时，需确定显卡型号，并安装匹配的显卡驱动，先输入
nvidia-smi 查看显卡型号，如果第一列有Driver version证明已经安装驱动
再去www.nvidia.com/Download/index.aspx网站可以查询和下载显卡驱动
点击search，下载NVIDIA-Linux-x86_64-384.125.run
2、安装显卡驱动
linux下切换到NVIDIA-Linux-x86_64-384.125.run的目录，运行：bash NVIDIA-Linux-x86_64-384.125.run
运行完成后再次查看显卡型号，是否变化。如果安装遇到提示：error……X server 时，
#重启电脑并进入命令行模式(ctrl alter F6)，禁用x server，
输入：init 3
3、下载cuda,https://developer.nvidia.com/cuda-downloads?，选择runfile[local]版本
切换到文件的存储目录，运行 bash ………….run，安装完成后
进入用户的根目录
cd home 或 cd root
然后打开.bashrc若不存在则新建.bashrc文件
vim .bashrc
若cuda安装在usr/local目录下，输入
export CUDA_HOME=/usr/local/cuda-9.0
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib:${LD_LIBRARY_PATH}"
使得设置生效，"~"表示当前根目录，运行：nvcc -V查看版本，安装成功
4、cudnn下载后，
再将解压后cudnn目录下的cuda子目录对应的lib和include文件拷贝到之前安装的cuda相应lib和include目录下
sudo tar -xzvf cudnn**.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
也可以但在deb格式文件，deb格式是在ubuntu专属软件安装格式
5、安装anaconda3, 官网下载很慢，去清华镜像下载
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
anaconda包和conda包的安装介绍可以参考http://python.jobbole.com/86236/，该文介绍详细。切换到linux目录下，运行：run Anaconda3-5.1.0-Linux-x86_64.sh，根据提示输入yes和enter,安装完成后, 输入canda -V查看是否安装成功及当前版本，conda list查看安装了哪些包，可以参考https://www.cnblogs.com/swje/p/7642929.html，输入python，显示如下结果：
证明安装成功。如果没有成功，很可能是anaconda没有添加到环境变量里面（安装时默认不添加），所以需修改.bashrc文件，
export PATH="/home/zhongjia/anaconda3/bin:$PATH"
并source ~/ .bashrc，重新加载环境变量
注意，如果不安装anaconda,仅仅用pip install conda时，安装成功后是不能使用conda -V命令的，
即，pip安装的conda不能单独作为一个应用程序，安装Anaconda后是可以利用工具/命令conda来进行package和environment的管理的。卸载conda时可以看到，默认情况下此时安装的conda是在linux系统自带的python2.7/package下面的
conda 可以创建虚拟环境，假设我们需要安装Python 3.4，此时，我们需要做的操作如下：
用户安装的不同python环境都会被放在目录~/anaconda/envs下，可以在命令中运行conda info -e查看已安装的环境，当前被**的环境会显示有一个星号或者括号。
说明：有些用户可能经常使用python 3.4环境，因此直接把~/anaconda/envs/python34下面的bin或者Scripts加入PATH，去除anaconda对应的那个bin目录。这个办法，怎么说呢，也是可以的，但总觉得不是那么elegant……
如果直接按上面说的这么改PATH，你会发现conda命令又找不到了（当然找不到啦，因为conda在~/anaconda/bin里呢），这时候怎么办呢？方法有二：1. 显式地给出conda的绝对地址 2. 在python34环境中也安装conda工具（推荐）。
6、下载tensorflow, https://github.com/tensorflow/tensorflow/tree/r1.6，
安装tensorflow有两种方法：一是在下载tensorflow文件的目录下输入：pip install xxxx.whl即可安装下载好的版本
二是先利用conda先创建虚拟环境，使用 conda create -n your_env_name python=X.X（2.7、3.6等)或者conda create --name yourname python=xx 命令创建python版本为X.X、名字为your_env_name的虚拟环境，如使用conda create -n tensorflow python=3.6**虚拟环境使用source active tensorflow 退出虚拟环境使用source deactivate tensorflow，在**后的虚拟环境下安装tensorflow：pip install tensorflow-gpu==1.6
安装完成后，如果每次使用anaconda的虚拟环境，cd到anaconda的envs目录下，我的是root/anaconda3/envs,终端输入
python
import tensorflow
验证，如果没有报错，证明安装成功.这个时候就可以在虚拟环境下调用python和tensorflow.
但是你编写tensorflow代码时，可能会遇到
AttributeError: 'module' object has no attribute 'placeholder'的错误，这是因为你的虚拟环境下有名叫tensorflow的文件夹（tensorflow模块与你的虚拟环境名称同名），而你import是想导入tensorflow script，导致导入了一个文件目录，而不是脚步文件。所以解决办法是将给文件夹重命名为其他名字。 输入conda info -e 可以看到自己的anconda3基本环境和虚拟环境
分别为base环境和虚拟环境环境，当调用source activate 和source activate py36tf则可以在base环境和虚拟环境下来回切换。当需要重新为配置tensorflow和python的虚拟环境时，输入：conda remove -n tensorflow --all删除虚拟所有tensorflow（虚拟环境名称）的东西，再次回到envs环境下重新输入conda creat -n 虚拟环境名称(如py36tf) python=3.6 ，也可以在创建虚拟环境py36tf的同时默认安装一下python的计算库conda create -n py36tf python=3.6 numpy scipy matplotlib -y，不设置以上参数，在安装时也会提示是否安装依赖库。如果想单独安装python库，可以conda creat -n py36tf python=3.6, 然后输入
conda install -n py36tf numpy scipy,则在虚拟环境py36tf下安装需要的库numpy和scipy，不指定虚拟环境名称时，则默认在当前**的环境下安装numpy和scipy
创建完成虚拟环境后，使用source activate py36tf**虚拟环境py36tf，这个时候cd ..可以在虚拟环境下切换到你下载好的tensorflow文件目录下去，我自己下载的存在opt/tf_nightly_gpu-1.head-cp36-cp36m-linux_x86_64.whl, 使用pip install tf_nightly_gpu-1.head-cp36-cp36m-linux_x86_64.whl 安装tensorflow, 这就实现了在虚拟环境下利用自己已经下载的tensorflow包进行安装，而不是anconda 自己去下载。在**虚拟环境下使用conda list 可以看到自己安装的python 和tensorflow,非虚拟环境下看不到
使用虚拟环境编写tensorflow程序时，需要先source activate py36tf, 退出时需要source deactivate
查看tensorflow版本也可以输入命令：
import tensorflow as tf
print(tf.__version__)
输入 python -m pip list可以列出安装的所有模块
其实本文用可以同时安装GPU版本的tensorflow和CPU版本的tensorflow，一个在conda创建虚拟环境中安装GPU版本tensorflow，一个在anaconda本地安装CPU版本的tensorflow。经实验，通过该方法可以同时安装两个版本tensorflow.
安装完成每一步都需要修改环境变量，具体可以参考https://www.linuxidc.com/Linux/2016-09/135476.htm和https://www.linuxidc.com/Linux/2016-09/135477.htm
我是修改的root目录下面.bashrc文件，home目录root目录下的.bashrc文件通常被隐藏，直接进入到home和root根目录下vim .bashrc即可，如设置cuda的环境变量，输入
export PATH="/usr/local/cuda-9.0/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH"
则每次启动系统时，环境变量自动加载
