轉載請注明：
仰望大牛的小清新：http://www.cnblogs.com/luruiyuan/
本文原網址：http://www.cnblogs.com/luruiyuan/p/6660142.html
我用的Ubuntu版本是 16.04 ，並且使用了 gnome 作為桌面(這一點無關緊要)，經歷了許多波折，終於完成了以 tensorflow 為后端的 keras 的安裝。
tensorflow-GPU 版本的安裝：
1.下載 CUDA 8.0
地址：https://developer.nvidia.com/cuda-downloads
安裝如下版本：
2.下載 cuDNN v5 (這里我下載的是 v6, 但是事實證明 tensorflow 不直接支持 v6，除非你自己編譯時制定了 v6，否則按照如下教程安裝的 tensorflow 只能加載 v5)
地址： https://developer.nvidia.com/cudnn
這里需要先 登錄/注冊 后才能下載
3.安裝 NVIDIA 驅動：
首先打開 terminal，輸入一下指令，更新應用列表
sudo apt-get update
多虧了 Linux 社區的強大支持，我們可以用很簡潔的方式安裝驅動：
按下 win 按鍵，打開菜單，如圖：
然后在上方的 type to search 中輸入： additional drivers 打開 "additional drivers —— 附加驅動"，然后選擇 與自己顯卡匹配的 NVIDIA 驅動，我這里是
using nvidia binary drivers (375)
然后選擇 應用更改，這里安裝可能會失敗，此時你可以繼續選擇應用更改，多安裝幾次即可
安裝完成后，選擇 restart
4. gcc 降版本
CUDA8.0 不支持 gcc 5.0 及以上的編譯器，而系統自帶的是5.4及以上版本，因此我們需要降版本，否則會在后面報錯
在terminal中輸入如下指令，將 gcc 版本降到 4.9
sudo apt-get install g++-4.9 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10 sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30 sudo update-alternatives --set cc /usr/bin/gcc sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30 sudo update-alternatives --set c++ /usr/bin/g++
5.安裝 CUDA 8.0
cd /media/你的用戶名/TOSHIBA\ EXT/alu/CUDA/ # 進入cuda 所在文件夾 # 根據官網上的提示安裝 cuda 8.0 sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64.deb sudo apt-get update sudo apt-get install cuda
6. 安裝 cuDNN
cd cd /media/你的用戶名/TOSHIBA\ EXT/alu/CUDA/ # 進入 cuDNN 安裝文件的所在路徑 tar xvzf cudnn-8.0-linux-x64-v6.0.tgz # 解壓 sudo cp cuda/include/cudnn.h /usr/local/cuda/include # 復制到 include 中 sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 # 復制到 lib64 中 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* # 講頭文件復制進去
7. 配置CUDA環境變量
開啟 GPU 支持：
根據官網教程
我們在terminal中鍵入下列命令：
sudo gedit ~/.bash_profile # 打開.bash_profile 這是用戶的環境變量，不是全局的
然后在打開的文本末尾加入：
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64" export CUDA_HOME=/usr/local/cuda
保存並關閉后，輸入下列命令使環境變量生效：
source ~/.bash_profile # 使被更改的環境變量生效
安裝完成后，一定要通過如下兩條命令對驅動進行檢驗：
1. NVIDIA的設置界面
nvidia-settings # 打開 NVIDIA 設置界面
這條指令打開的界面如下：
2. NVIDIA GPU 列表
nvidia-smi
這條指令會在 terminal 中產生GPU列表，如，我這里只有一個GPU
網上有些人抄別人的博客，說 nvcc -V 就可以驗證，經過我實測，存在 nvcc -V 正常輸出但是驅動仍安裝失敗的現象，因此，上述驗證方法是不可信的。
8.安裝 python3.5.2
由於tensorflow1.0 對於 python3 支持更好，並且目前只支持python3.5.2，因此我們選擇 python 3.5.2。
使用 Anaconda3-4.2.0-Linux-x86_64.sh 進行安裝，地址如下：
https://repo.continuum.io/archive/
安裝完成后，添加環境變量，將其設置為默認的 python 解釋器
首先打開環境變量的文件
gedit ~/.bashrc
然后在文件末尾加入 anaconda3 的路徑
export PATH=/home/你的路徑/anaconda3/bin:$PATH
最后使我們的改動生效
source ~/.bashrc
這樣，我們在terminal中輸入 python 就會默認打開 anaconda3
這樣我們就可以安心使用python3了。
9.安裝 keras 和 tensorflow
有了上述安裝過程，我們系統中默認的pip將會是anaconda3中自帶的pip，這樣我們只需要使用pip即可安裝 keras 和 tensorflow 到 anaconda 中。
執行如下命令：
pip install tensorflow-gpu keras # 安裝 gpu 版本的 tensorflow 和 keras
安裝完成后，我們使用如下命令，即可檢驗是否成功：
python -c "import keras"
如果看到如下輸出，就說明安裝成功
當然了，我這里安裝的 cuDNN 由於版本過高，暫時不能被pip安裝的tensorflow所支持，如果改為 cuDNN v5 就能夠正常支持了。
希望自己的這篇文章能對像我一樣的新手有所幫助。
參考資料: