歷時5天終於完成了，配置中出現了各種各樣的Error，這里記錄一下，希望能為正在安裝的人提供一點幫助。
配置中主要參考博客：http://blog.csdn.net/yhaolpz/article/details/71375762#reply
安裝硬件： GeForce GTX 1070/PCIe/SSE2
安裝流程細分為如下10個步驟：
1、安裝依賴包
2、禁用 nouveau
3、配置環境變量
4、NVIDIA驅動安裝
5、安裝 CUDA 8.0
6、驗證 CUDA 8.0 是否安裝成功
7、安裝 cudnn
8、安裝 opencv3.1
9、安裝 caffe
10、安裝 pycaffe notebook 接口環境
第1步 安裝依賴包
安裝后續步驟或環境必需的依賴包，依次輸入以下命令:
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev sudo apt-get install git cmake build-essential
有一定幾率安裝失敗而導致后續步驟出現問題，所以要確保以上依賴包都已安裝成功，驗證方法就是重新運行安裝命令，如驗證 git cmake build-essential是否安裝成功共則再次運行以下命令：
sudo apt-get install git cmake build-essential
界面提示如下則說明已成功安裝依賴包，否則繼續安裝直到安裝成功。
lai@lai-Precision-Tower-3620:~$ sudo apt-get install git cmake build-essential [sudo] lai 的密碼： 正在讀取軟件包列表... 完成 正在分析軟件包的依賴關系樹 正在讀取狀態信息... 完成 build-essential 已經是最新版 (12.1ubuntu2)。 cmake 已經是最新版 (3.5.1-1ubuntu3)。 git 已經是最新版 (1:2.7.4-0ubuntu1.3)。 下列軟件包是自動安裝的並且現在不需要了： bbswitch-dkms dkms lib32gcc1 libcublas7.5 libcudart7.5 libcufft7.5 libcufftw7.5 libcurand7.5 libcusolver7.5 libcusparse7.5 libnppc7.5 libnppi7.5 libnpps7.5 libnvblas7.5 libnvrtc7.5 libnvtoolsext1 libnvvm3 libthrust-dev libvdpau-dev nvidia-cuda-doc nvidia-cuda-gdb nvidia-opencl-dev nvidia-prime opencl-headers 使用'sudo apt autoremove'來卸載它(它們)。 升級了 0 個軟件包，新安裝了 0 個軟件包，要卸載 0 個軟件包，有 11 個軟件包未被升級。
第2步 禁用 nouveau
安裝好依賴包后需要禁用 nouveau，只有在禁用掉 nouveau 后才能順利安裝 NVIDIA 顯卡驅動，禁用方法就是在 /etc/modprobe.d/blacklist-nouveau.conf 文件中添加一條禁用命令，首先需要打開該文件，通過以下命令打開：
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
打開后發現該文件中沒有任何內容，寫入：
blacklist nouveau option nouveau modeset=0
保存時命令窗口可能會出現以下提示：
** (gedit:4243): WARNING **: Set document metadata failed: 不支持設置屬性 metadata::gedit-position
無視此提示～，保存后關閉文件，注意此時還需執行以下命令使禁用 nouveau 真正生效：
sudo update-initramfs -u
第3步 配置環境變量
同樣使用 gedit 命令打開配置文件：
sudo gedit ~/.bashrc
打開后在文件最后加入以下兩行內容：
export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
保存退出。
到這里為止，都還很安全，沒有遇見任何的問題，接下來就開始了。
第4步 安裝NVIDIA驅動
進入 http://www.nvidia.cn/Download/index.aspx?lang=cn，按照自己的配置下載驅動程序。
為了方便開始安裝過程的路徑查找，把下載的NVIDIA安裝文件移動到 HOME 路徑下，然后通過 Ctrl + Alt + F1 進入文本模式，輸入帳號密碼登錄，通過 Ctrl + Alt + F7 可返回圖形化模式，在文本模式登錄后首先關閉桌面服務：
sudo service lightdm stop
然后通過 Ctrl + Alt + F7 發現已無法成功返回圖形化模式，說明桌面服務已成功關閉，注意此步對接下來的NVIDIA驅動安裝尤為重要，必需確保桌面服務已關閉。
Ctrl + Alt + F1 進入文本模式，然后運行NVIDIA安裝文件進行安裝，之前我們已經把 NVIDIA安裝文件移動至 HOME，直接通過 sh 命令運行安裝文件即可：
sudo sh NVIDIA-linux-x86_64-384.90.run
其中 NVIDIA-linux-x86_64-384.90.run 是我的NVIDIA安裝文件名，而你需替換為自己的NVIDIA 安裝文件名，若此時忘記可直接通過 ls 文件查看文件名。
安裝完成后重啟電腦。
reboot
第5步 安裝 CUDA 8.0
進入 https://developer.nvidia.com/cuda-downloads ，依次選擇 CUDA 類型然后下載即可。
上面是我參考的的那篇博文里給的，我在那個網頁下載下了的cuda版本是cuda-9.0，坑死我了。我安裝了cuda-9.0后，后面的opencv3.1的安裝cmake一直出錯，百度了半天，應該是opencv3.1.0不支持cuda-9.0，然后我又把cuda-9.0卸了，重新裝的cuda-8.0。
附上下載鏈接：https://pan.baidu.com/s/1bo4RLCV，提取碼4vf7
安裝的時候可以先去官網上下，如果是cuda-8.0那就用官網給的，不是的話可以用上面那個鏈接。
安裝過程與NVIDIA類似，把下載的 CUDA 安裝文件移動到 HOME 路徑下，然后通過 Ctrl + Alt + F1 進入文本模式，輸入帳號密碼登錄，通過 Ctrl + Alt + F7 可返回圖形化模式，直接通過 sh 命令運行安裝文件即可：
sudo sh cuda_8.0.61_375.26_linux.run --no-opengl-libs
執行此命令約1分鍾后會出現 0%信息，此時長按回車鍵讓此百分比增長，直到100%，然后按照提示操作即可，先輸入 accept ，然后讓選擇是否安裝 nvidia 驅動，因為我們之前已經安裝過NVIDIA驅動了所以輸入“n”。
剩下的選擇則都輸入“y”確認安裝或確認默認路徑安裝，開始安裝，此時若出現安裝失敗提示則可能為未關閉桌面服務或在已安裝 nvidia 驅動的情況下重復再次安裝 nvidia 驅動，安裝完成后輸入重啟命令重啟（這一步我不知道是否要做，保險起見我還是做了）：
reboot
重啟后登錄進入系統，配置 CUDA 環境變量，與第3步相同，使用 gedit 命令打開配置文件：
sudo gedit ~/.bashrc
在該文件最后加入以下兩行並保存
export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
使該配置生效：
source ~/.bashrc
第6步 驗證 CUDA 8.0 是否安裝成功
分別執行以下命令：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery sudo make ./deviceQuery
若看到類似以下信息則說明 cuda 已安裝成功：
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GT 740M"
CUDA Driver Version / Runtime Version 8.0 / 8.0
CUDA Capability Major/Minor version number: 3.5
Total amount of global memory: 2004 MBytes (2100953088 bytes)
( 2) Multiprocessors, (192) CUDA Cores/MP: 384 CUDA Cores
GPU Max Clock rate: 1032 MHz (1.03 GHz)
Memory Clock rate: 800 Mhz
Memory Bus Width: 64-bit
L2 Cache Size: 524288 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 1 copy engine(s)
Run time limit on kernels: No
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GT 740M
Result = PASS
我后來發現其實到這一步還是不夠的，要驗證你安裝的cuda是否真的可以使用還需要繼續驗證，測試cuda的sample
cd /home/lai/NVIDIA_CUDA-8.0_Samples make
這樣是跑了sample里的所有例子，這樣太費時間了，你也可以只跑其中一個例子，進入對應例子的 文件夾，然后用make命令就可以了
如果成功的話界面應該如下：
第7步 安裝 cudnn
登錄官網：https://developer.nvidia.com/rdp/cudnn-download ，下載對應 cuda 版本且 linux 系統的 cudnn 壓縮包，注意官網下載 cudnn 需要注冊帳號並登錄，不想注冊的可從網盤下載：https://pan.baidu.com/s/1hs23HrA
下載完成后解壓，得到一個 cuda 文件夾，該文件夾下include 和 lib64 兩個文件夾，命令行進入 cuda/include 路徑下，然后進行以下操作：
sudo cp cudnn.h /usr/local/cuda/include/ #復制頭文件
然后命令行進入 cuda/lib64 路徑下，運行以下命令：
sudo cp lib* /usr/local/cuda/lib64/ #復制動態鏈接庫 cd /usr/local/cuda/lib64/ sudo rm -rf libcudnn.so libcudnn.so.5 #刪除原有動態文件 sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成軟銜接 sudo ln -s libcudnn.so.5 libcudnn.so #生成軟鏈接
這里需要注意第三行命令，網上有人的第三行命令為：
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成軟銜接
起初我執行的也是上條鏈接 libcudnn.so.5.1.5 的命令，但是后面編譯caffe時出錯，報錯內容為 /usr/bin/ld: 找不到 -lcudnn，所以這里需要先查看一下自己應該鏈接的是 libcudnn.so.5.1.10 還是 libcudnn.so.5.1.5 ，查看方法為下：
locate libcudnn.so
可以看到我的文件是 libcudnn.so.5.1.10 ，並沒有 libcudnn.so.5.1.5，所以第三行命令我鏈接的是 libcudnn.so.5.1.10 ，這里第三行鏈接命令視你的查看結果而定。
安裝完成后可用 nvcc -V 命令驗證是否安裝成功，若出現以下信息則表示安裝成功：
nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2016 NVIDIA Corporation Built on Sun_Sep__4_22:14:01_CDT_2016 Cuda compilation tools, release 8.0, V8.0.44
上面的操作並不能驗證cudnn是否安裝正確，要驗證的話，查看/usr/local/cuda-8.0/incude/目錄下，是否有cudnn的include目錄中的cudnn.h文件，以及cuda對應的lib64目錄下是否有cudnn的lib64目錄下的文件，如果有的話則安裝成功。為什么這樣可以驗證cudnn是否安裝成功呢？因為實際上，你將cudnn目錄下lib64文件夾和ingclude文件夾下的文件復制到cuda中對應的文件夾，你實際上就已經安裝成功了，但是這樣做的話無法靈活的對cudnn進行升級和替換。
第8步 安裝 opencv3.1
在這一步我遇到了一個坑就是opencv3.1.0不支持cuda-9.0。
編譯報錯
進入官網 : http://opencv.org/releases.html , 選擇 3.1.0 版本的 source , 下載 opencv-3.1.0.zip
解壓到你要安裝的位置，命令行進入已解壓的文件夾 opencv-3.1.0 目錄下，執行：
mkdir build # 創建編譯的文件目錄 cd build cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local .. make -j8 #編譯
在執行 make -j8 命令編譯到 92% 時可能會出現以下錯誤：
modules/cudalegacy/src/graphcuts.cpp:120:54: error: ‘NppiGraphcutState’ has not been declared typedef NppStatus (*init_func_t)(NppiSize oSize, NppiGraphcutState** ppState, Npp8u* pDeviceMem);
這是由於opecv3.1與cuda8.0不兼容導致的。解決辦法：
修改 /opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp 文件內容，如圖
編譯成功后安裝：
sudo make install #安裝
安裝完成后通過查看 opencv 版本驗證是否安裝成功：
pkg-config --modversion opencv
第9步 安裝 caffe
首先在你要安裝的路徑下 clone ：
git clone https://github.com/BVLC/caffe.git
進入 caffe ，將 Makefile.config.example 文件復制一份並更名為 Makefile.config ，也可以在 caffe 目錄下直接調用以下命令完成復制操作 ：
sudo cp Makefile.config.example Makefile.config
復制一份的原因是編譯 caffe 時需要的是 Makefile.config 文件，而Makefile.config.example 只是caffe 給出的配置文件例子，不能用來編譯 caffe。
然后修改 Makefile.config 文件，在 caffe 目錄下打開該文件：
sudo gedit Makefile.config
修改Makefile.config文件內容：
1.應用 cudnn
將 #USE_CUDNN := 1 修改成： USE_CUDNN := 1
2.應用 opencv 版本
將 #OPENCV_VERSION := 3 修改為： OPENCV_VERSION := 3
3.使用 python 接口
將 #WITH_PYTHON_LAYER := 1 修改為 WITH_PYTHON_LAYER := 1
4.修改 python 路徑
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 修改為： INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
這里貼出 我的Makefile.config文件 方便大家參考
然后修改 caffe 目錄下的 Makefile 文件：
將： NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS) 替換為： NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
將： LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 改為： LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
然后修改 /usr/local/cuda/include/host_config.h 文件 :
將 #error-- unsupported GNU version! gcc versions later than 4.9 are not supported! 改為 //#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
由於我之前安裝過CPU模式的caffe，Makefile.config去掉了 # CPU_ONLY: = 1 的注釋，這里要加上去，否則后面的編譯會出錯
可以開始編譯了
make all -j8
編譯成功后可運行測試：
sudo make runtest -j8
遇到的問題：
[1]
In file included from ./include/caffe/util/cudnn.hpp:5:0, from src/caffe/util/cudnn.cpp:2: /usr/local/cuda/include/cudnn.h:63:26: fatal error: driver_types.h: 沒有那個文件或目錄 compilation terminated. Makefile:581: recipe for target '.build_release/src/caffe/util/cudnn.o' failed make: *** [.build_release/src/caffe/util/cudnn.o] Error 1 make: *** 正在等待未完成的任務.... In file included from ./include/caffe/common.hpp:19:0, from ./include/caffe/blob.hpp:8, from ./include/caffe/layer.hpp:8, from src/caffe/layer_factory.cpp:8: ./include/caffe/util/device_alternate.hpp:34:23: fatal error: cublas_v2.h: 沒有那個文件或目錄 compilation terminated. Makefile:581: recipe for target '.build_release/src/caffe/layer_factory.o' failed make: *** [.build_release/src/caffe/layer_factory.o] Error 1
可以看出是cuda和cudnn沒有安裝好，實際上時nvidia驅動的鍋，這個時候我用的nvidia驅動並不是官網下載的，而是cuda-9.0殘留下來的，后來我把驅動卸載，重新在官網中下載NVIDIA驅動，並重新安裝cuda和cudnn后編譯成功。
靠之前的那個卸裝鏈接里的方法，沒有辦法把cuda-9.0殘留下來的nvidia驅動卸裝，需要先做另一個操作（http://blog.csdn.net/wingfox117/article/details/46278001）
sudo apt-get install nvidia-cuda-toolkit
如果上面那個操作不成功，那么先安裝一個aptitude, 即在終端輸入：
sudo apt-get install aptitude
安裝完之后，使用此工具安裝nvidia-cuda-toolkit可用。即在終端輸入：
sudo aptitude install nvidia-cuda-toolkit
卸載了依賴的包，把剩余的東西安裝上去了。
之后再用這個鏈接里的方法卸裝就可以了（卸載方法鏈接)
[2]
.build_release/tools/caffe: error while loading shared libraries: libcudart.so.8.0: cannot open shared object file: No such file or directory
Makefile:532: recipe for target 'runtest' failed
make: *** [runtest] Error 127
解決方法
LD_LIBRARY_PATH的意思是告訴loader在哪些目錄中可以找到共享庫. 可以設置多個搜索目錄, 這些目錄之間用冒號分隔開. 比如安裝了一個mysql到/usr/local/mysql目錄下, 其中有一大堆庫文件在/usr/local/mysql/lib下面, 則可以在.bashrc或.bash_profile或shell里加入以下語句即可:
export LD_LIBRARY_PATH=/usr/local/mysql/lib:$LD_LIBRARY_PATH
一般來講這只是一種臨時的解決方案, 在沒有權限或臨時需要的時候使用.
[3]caffe/cudnn.hpp:8:34: fatal error: caffe.h: No such file or director，這是因為protobuf和pillow沒有安裝，
安裝protobuf
參考博客：http://www.cnblogs.com/darkknightzh/p/5782992.html，
安裝pillow
pip install pillow --upgrade -i http://pypi.douban.com/simple
如果顯示結果為上圖所示，則表示 caffe 已經成功安裝。
10、安裝 pycaffe notebook 接口環境
在上一步成功安裝 caffe 之后，就可以通過 caffe 去做訓練數據集或者預測各種相關的事了，只不過需要在命令行下通過 caffe 命令進行操作，而這一步 pycaffe 的安裝以及 notebook 環境配置只是為了更方便的去使用 caffe ，實際上大多數都是通過 python 來操作 caffe 的，而 notebook 使用瀏覽器作為界面，可以更方便的編寫和執行 python 代碼。
首先編譯 pycaffe :
cd caffe sudo make pycaffe -j8
以下是我編譯 pycaffe 時出現的錯誤：
python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: 沒有那個文件或目錄
解決方法：
sudo apt-get install python-numpy
此外也可能是由於 Makefile.config 文件中 python 路徑設置錯誤出現的錯誤，可根據上一步檢查一下，也可能出現別的錯誤，百度谷歌之～
編譯 pycaffe 成功后，驗證一下是否可以在 python 中導入 caffe 包，首先進入 python 環境：
python
然后導入 caffe :
import caffe
若不報錯則表示 caffe 的 python 接口已正確編譯，但是應該不會那么順利，以下是我導入 caffe 時出現的錯誤：
錯誤1：ImportError: /home/lai/anaconda2/bin/../lib/libstdc++.so.6: version `GLIBCXX_3.4.21’ not found(required by /home/lai/caffe/python/caffe/_caffe.so)
解決方案：根據錯誤信息可以粗略知道，沒有找到GLBCXX 3.4.21。
我們用一行命令查找一下當前已經有的版本：
strings /home/lai/anaconda2/bin/../lib/libstdc++.so.6 | grep GLIBCXX
注意lai是我的計算機名，而且我的版本是anaconda2。注意對照自己的修改。
顯示結果：
GLIBCXX_3.4
GLIBCXX_3.4.1
GLIBCXX_3.4.2
GLIBCXX_3.4.3
GLIBCXX_3.4.4
GLIBCXX_3.4.5
GLIBCXX_3.4.6
GLIBCXX_3.4.7
GLIBCXX_3.4.8
GLIBCXX_3.4.9
GLIBCXX_3.4.10
GLIBCXX_3.4.11
GLIBCXX_3.4.12
GLIBCXX_3.4.13
GLIBCXX_3.4.14
GLIBCXX_3.4.15
GLIBCXX_3.4.16
GLIBCXX_3.4.17
GLIBCXX_3.4.18
GLIBCXX_3.4.19
GLIBCXX_FORCE_NEW
GLIBCXX_DEBUG_MESSAGE_LENGTH
果然沒有GLRBCXX3.4.21。
沒有就裝一個唄，反正有anaconda2。
輸入
conda install libgcc
再次查看：
GLIBCXX_DEBUG_MESSAGE_LENGTH
GLIBCXX_3.4
GLIBCXX_3.4.1
GLIBCXX_3.4.2
GLIBCXX_3.4.3
GLIBCXX_3.4.4
GLIBCXX_3.4.5
GLIBCXX_3.4.6
GLIBCXX_3.4.7
GLIBCXX_3.4.8
GLIBCXX_3.4.9
GLIBCXX_3.4.10
GLIBCXX_3.4.11
GLIBCXX_3.4.12
GLIBCXX_3.4.13
GLIBCXX_3.4.14
GLIBCXX_3.4.15
GLIBCXX_3.4.16
GLIBCXX_3.4.17
GLIBCXX_3.4.18
GLIBCXX_3.4.19
GLIBCXX_3.4.20
GLIBCXX_3.4.21
錯誤2：importerror：numpy.core.multiarray failed to import
解決方法：
pip install -U numpy
錯誤3：Intel MKL FATAL ERROR:Cannot load libmkl_avx2.so or libmkl_def.so
解決方法：
conda install nomkl numpy scipy scikit-learn numexpr
conda remove mkl mkl-service
錯誤4：ImportError:No module named goole.protobuf.internal
解決方法：
sudo chmod 777 -R anaconda2 #anaconda2是指文件夾的名字
conda install protobuf
如果報錯
解決方法
sudo apt-get update sudo apt-get upgrade wget https://bootstrap.pypa.io/get-pip.py sudo python3 get-pip.py
最后一步，配置notebook環境
安裝 jupyter ：
sudo pip install jupyter
安裝完成后運行 notebook :
jupyter notebook 或 ipython notebook
會在瀏覽器中打開notebook, 點擊右上角的New-python2, 就可以新建一個網頁一樣的文件，擴展名為ipynb。在這個網頁上，我們就可以像在命令行下面一樣運行python代碼了。輸入代碼后，按shift+enter運行，更多的快捷鍵，可點擊上方的help-Keyboard shortcuts查看，或者先按esc退出編輯狀態，再按h鍵查看。
