终于完成了GPU的TensorFlow环境搭建，记录下来给大家作为参考。
感谢大佬的博文让我完成了大部分工作：
http://blog.csdn.net/leijiezhang/article/details/53688157
[一]硬件以及安装先后顺序介绍：
1.1.显卡（getforce 10 系列－－GTX10ｘｘ，如GTX1060）
环境搭建基于的显卡类型为NVIDIA GTX1060，当然所有的getforce 10 系列－－－GTX10ｘｘ都可以。cuda7.5不支持getforce 10 系列以上的显卡，所以，那些getforce 10 系列必须安装Cuda8.0。至于Cuda9.0的支持情况不得而知，但是后续的安装发现TensorFlow对于Cuda的版本是有要求的，目前最新的TensorFlow版本需要Cuda9.0的支持。
1.2.安装顺序
楼主按照Ubuntu16.04系统、Cuda8.0及cuDNN5.1、anaconda3、TensorFlow和OpenCV3.4.0的顺序完成安装，以下分别介绍。
[二]Ubuntu16.04系统安装：
Ubuntu系统安装的教程网上有很多，这里不赘述的，只附上楼主安装的版本及官网下载地址：Ubuntu 16.04.4 Desktop (64-bit)
这里要选择桌面版是因为桌面版集成了python3.5及python2.7，省去自己安装的时间。
[三]NVIDIA显卡驱动安装：
在搜索栏搜索关键字：
选择附加驱动，点击后会有如下窗口弹出：
上面一项选择使用英伟达驱动，下面一项未知驱动为ｃｐｕ带的集成显卡选择下面的选项：不用这个设备，选完以后一定要点击"Apply Changes"也就是“应用改变”的按钮（右边的按钮）。
安装完成以后要重启一下系统，在搜索框查找NVIDIA X Server Settings，打开。
如果能正常打开表示安装成功，你可以在下面查看你的驱动版本。
[四]系统软件源设置并安装依赖包
这部分完全按照大佬leijieZhang的步骤，再次感谢，个人感觉改变系统软件源十分重要，因为之前没有改变源时也曾装过一些软件，网速实在太慢。这里直接搬运过来了。
流程,分别操作：系统设置(system settings)---->软件与更新(software & update)----->选择Ubuntu软件（Ubuntu software)选项卡。来改变系统软件源为阿里的源。
更新列表，打开终端输入如下命令
sudo apt-get update
软件源更新完毕后，安装一些必要的依赖包，命令如下
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-de
v protobuf-compiler libboost-all-dev libopenblas-dev liblapack-dev libatlas-base-dev libgflags-de
v libgoogle-glog-dev liblmdb-dev
这一步就做完了。
[五]cuda安装
楼主所用显卡支持的cuda版本为8.0，这个一定要查清楚再安装。
5.1.下载
官网最新的版本已经是9了，这里附上cuda8.0的官网下载地址：CUDA Toolkit 8.0 GA1 Download
5.2.GCC降级
cuda8.0目前仅支持gcc5.3，而ubuntu16.04自带的gcc版本为gcc5.4,所以要降级。
先查看你是否需要降级GCC
gcc -v
如果你的版本是5.3.1以下的就不用降级了，否则要降级gcc。
下载gcc5.3.0。下载地址为：https://pan.baidu.com/s/1cL2v62，下载好后，进入到该文件目录，执行如下操作：
解压：
sudo tar -zxvf gcc-5.3.0.tar.gz
进入到gcc目录：
cd gcc-5.3.0/
下载依赖项：
sudo ./contrib/download_prerequisites
新建一个编译的文件夹，并进入该文件夹：
sudo mkdir build
cd build/
生成makefile文件：
sudo ../configure --enable-checking=release --enable-languages=c,c++ --disable-multilib
编译：
sudo make -j4
编译结束以后，我们就可以执行安装了：
sudo make install
查看是否成功：
gcc --version
g++ --version
5.3.安装Cuda
gcc降到5.3之后，可以直接来安装了cuda了，进到你下载好的cuda-8.0的run文件目录，运行如下命令：
sudo ./cuda_8.0.44_linux.run
输入“q”跳过preface，输入接受：accept; 然后回车。接下来的操作，选择“n”不安装的是英伟达驱动，我们已经安装了，以及CUDA sample，因为我们只通过TensorFlow调用CUDA，不直接写CUDA代码。其他的选择“y”。
如果出现下图的结果，表明你已经安装成功了，虽然有一个警告和一个特别注意但是不影响结果。
从上图可是，下载的例子里面是缺少一些支持库的，现在我们安装这些库：
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-gl
x libglu1-mesa libglu1-mesa-dev
从上图可以看出来，有一个特别注意，所以我们做如下配置：打开.bashrc来进行配置，命令如下：
sudo vim ~/.bashrc
并将如下的几行内容复制的到.bashrc文件的最下面：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda
然后设置环境变量和动态链接库，在命令行输入：
sudo vim /etc/profile
在打开的文件末尾加入：
export PATH=/usr/local/cuda/bin:$PATH
保存之后，创建链接文件：
sudo gedit /etc/ld.so.conf.d/cuda.conf
在打开的文件中添加如下语句：
/usr/local/cuda/lib64
然后执行如下命令使得链接立即生效：
sudo ldconfig
现在重启电脑！
现在就开始测试一下看看cuda是否安装成功吧！输入如下命令打开测试的代码位置：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
编译这些代码：
sudo make -j4
执行代码：
./deviceQuery
如果出现如下结果---显卡的配置信息，恭喜你，这就证明你成功的安装了cuda
[六]cuDNN安装
cuDNN深度学习加速的一些库。下载地址为：https://developer.nvidia.com/cudnn
打开网站，如下图，需要注册一个账户，因为下载的时候需要,然后下载，流程如下图：
下载后解压：
tar -xvf cudnn-8.0-linux-x64-v5.1.tgz
执行如下操作：
cd cuda/include/
sudo cp cudnn.h /usr/local/cuda/include/
cd ../lib64/
sudo cp lib* /usr/local/cuda/lib64/
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
执行完之后，cuDNN算是安装完成了。
[七]安装Anaconda
anaconda里面集成了很多关于python科学计算的第三方库，并且方便对多个环境进行管理，我们的TensorFlow环境就要基于anaconda搭建。
注意，这里基于python3.5进行搭建，相对2.7，它更代表了python未来的发展趋势。
7.1.下载
下载地址为：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
从这里下载比较快，选择的对应版本是 Anaconda3-4.2.0-Linux-x86_64.sh
7.2.安装
在Anaconda的下载目录执行以下命令：
bash Anaconda3-4.2.0-Linux-x86_64.sh
接下来进入License文档，按q直接跳过，之后选择安装路径，可以选择默认路径，然后确定就可以开始安装了。
最后程序提示是否将anaconda3的binary路径加入.bashrc，建议添加。至此anaconda3安装结束。
[八]安装Tensorflow
8.1.创建TensorFlow虚拟环境
使用 conda create -n your_env_name python=X.X（2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。
这里创建基于python3.5的虚拟环境：
conda create -n tensorflow python=3.5
之后可以使用命令
source activate tensorflow
激活虚拟环境，使用命令
source deactivate tensorflow
来退出虚拟环境。
8.2.安装TensorFlow
首先进入tensorflow虚拟环境，然后输入命令：
pip install tensorflow-gpu==1.2
等待安装完毕。解释一下，由于我们使用的是cudnn5.1，而tensorflow-gpu1.3开始就要求cudnn6了，所以这里要使用1.2版本的。楼主开始使用的命令是 pip install tensorflow-gpu，默认下载的1.5版本，结果跑程序时就开始疯狂报错。
[九]安装Opencv3.4.0
opencv的安装也是一个大坑，楼主使用了各种方法，包括下载离线包、在线下载，都不好使，最后一句简单的命令解决了。
首先进入tensorflow虚拟环境，注意我们安装的tensorflow还有opencv都是在虚拟环境里面，所以也只有这个环境里面可以使用。
source activate tensorflow
再输入命令下载：
pip install opencv-python
很简单地安好了。
最后附上tensorflow虚拟环境中的tensorflow和opencv安装成功图：
