1. 更新apt-get源列表
sudo apt-get update
sudo apt-get upgrade
2. 添加驅動源
sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update
3. 安裝nvidia驅動
1.正常策略
sudo apt-get install nvidia-367 sudo apt-get install mesa-common-dev sudo apt-get install freeglut3-dev
這一步有超多的坑，如果你足夠幸運的話。上面步驟執行完，重啟。執行：
sudo lshw -c video|grep configuration
如果顯示nvidia字樣，就代表驅動裝好了。直接進入第4步。如果是nouveau或其他的，那就是沒有裝好，請看下面。
2.踏坑策略
別問我367是什么東西，據說是顯卡版本號什么的，我看到下載時，實際上下載了多個版本，比367更高的有不少。之所以不求甚解，是因為上面的操作據說成功概率很高。可是，我有強迫症，我選擇了去官網下載對應我顯卡的驅動，手動安裝，然后一路掉坑無數，還好最后還是成功了。
2.1 首先，禁用nouveau。
nouveau是系統自帶通用驅動，一般是支持你的顯卡的，我的gtx1070都支持（那我為什么更新官方驅動呢？可能是有強迫症！其實我是擔心不能充分調動我顯卡的性能，影響我后面deep learn的數據集訓練）。方法是暴力移除：
mv /lib/modules/3.0.0-12-generic/kernel/drivers/gpu/drm/nouveau/nouveau.ko /lib/modules/3.0.0-12-generic/kernel/drivers/gpu/drm/nouveau/nouveau.ko.bak
重啟，再次測試前面正常策略的驅動是否成功。如果成功的話，就走第4步。
2.2 下載官網驅動
獲取顯卡的硬件信息：
lspci -vnn | grep VGA -A 12
然后拿着型號，去官網下載即可。貌似需要注冊個帳號。
2.3 關閉X service
linux各發行版，有個通用的系統運行級別。3為標准的多用戶模式，5為X Window模式。可以用runlevel命令來查看當前系統運行level。ubuntu17.10桌面版，默認level是5。我們可以通過telinit命令切換運行模式。
sudo telinit 3
進入命令行模式。如果想進去X Windows的話，把3改為5即可。
2.4 安裝
官網下載的文件，后綴應該是bundle。賦執行權限：
sudo chmod +x $name
sudo ./$name
重啟。查看驅動。
4. 安裝cuda
因為最新版的tensorflow 1.5不支持cuda9.0，這里安裝8.0版本。（下面的版本9.0，替換為8.0即可）
下載地址（當然也需要先注冊）：https://developer.nvidia.com/cuda-toolkit-archive
1. run格式文件
如果下載的是run文件，直接運行即可。
2. deb格式文件
2.1 安裝gcc：
sudo apt-get install gcc-5
注意一定要選擇好版本，不選擇默認裝gcc-7,而后面編譯時不支持gcc大於6的版本.
我安裝時候，第一種方法失效，現在覺得，可能就是gcc版本不支持的緣故。
2.2 安裝內核頭文件
sudo apt-get install linux-headers-$(uname -r)
2.3 deb安裝
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub <version>部分是自己下載的那個版本，一般在命令行按tab鍵就能出來；
sudo apt-get update sudo apt-get install cuda
2.4 添加環境變量
寫入到 ~/.bashrc 的尾部:
export PATH=/usr/local/cuda-9.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
2.5 測試
cuda-install-samples-9.0.sh <dir> 安裝測試程序，<dir>是安裝目錄，自己新建一個即可
安裝好后，<dir>下有個NVIDIA_CUDA-9.0_Samples文件夾，cd到這個文件夾里面，執行$sudo make,編譯完后，在bin目錄或bin目錄的子目錄的子目錄里有編譯好的deviceQuery可執行文件，執行這個文件，可以看到下面的輸出就說明安裝成功了：
如果執行失敗，則是顯卡驅動沒有裝好。
最后再來測試一下CUDA，運行：
sudo nvidia-smi
可以看到gpu的各種信息。
5. 安裝cudnn
下載：https://developer.nvidia.com/rdp/cudnn-download
tar -xzvf cudnn-9.0-linux-x64-v7.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn*