在網上找了很多案例，踩了許多坑，感覺比較全面的是下面介紹的
http://www.cnblogs.com/xuliangxing/p/7575586.html
先說說我的步驟：
首先安裝了Anacoda，因為是科學運算環境，所以先安裝了最新版，所以對應的Python 3.6
安裝顯卡驅動：GTX950M 安裝了最新的 390驅動，擔心不兼容，所以都用最新的
安裝cuda，這個坑最后才發現，因為安裝最新的9.1版本，最后tensorflow只找9.0的文件。所以，這個地方一定要選其他release版本->9.0
首先在官網（https://developer.nvidia.com/cuda-downloads）下載對應的CUDA，如圖所示：
（1）安裝缺失的依賴庫文件
命令如下：
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1 #安裝依賴庫
（2）安裝執行文件
sudo sh cuda_8.0.61_375.26_linux.run #執行安裝文件
注意：安裝過程中會提示你進行一些確認操作，首先是接受服務條款，輸入accept確認，然后會提示是否安裝cuda tookit、cuda-example等，均輸入Y進行確定。但請注意，當詢問是否安裝附帶的驅動時，一定要選N！
因為前面我們已經安裝好最新的驅動NVIDIA381,附帶的驅動是舊版本的而且會有問題，所以不要選擇安裝驅動。其余的都直接默認或者選擇是即可。
（3）設置環境變量
- 輸入命令，編輯環境變量配置文件
sudo vim ~/.bashrc
- 在文本末端追加以下兩行代碼（按鍵“i”進行編輯操作）
export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda
- 保存退出（按“!wq”），執行下面命令，使環境變量立刻生效
#環境變量立即生效 sudo source ~/.bashrc sudo ldconfig
如圖所示：
（4）檢查cuda是否配置正確
到這一步，基本的CUDA已經安裝完成了，我們可以通過以下命令查看CUDA是否配置正確：
nvcc --version
如圖所示：
（5）測試CUDA的sammples
為什么需要安裝cuda samples？一方面為了后面學習cuda使用，另一方面，可以檢驗cuda是否真的安裝成功。如果cuda samples全部編譯通過，沒有一個Error信息（Warning忽略），那么就說明成功地安裝了cuda。如果最后一行雖然顯示PASS，但是編譯過程中有ERROR，請自行網上搜索相關錯誤信息解決之后。
# 切換到cuda-samples所在目錄 cd /usr/local/cuda-8.0/samples 或者 cd /home/NVIDIA_CUDA-8.0_Samples # 沒有make，先安裝命令 sudo apt-get install cmake，-j是最大限度的使用cpu編譯，加快編譯的速度 make –j # 編譯完畢，切換release目錄（/usr/local/cuda-8.0/samples/bin/x86_64/linux/release完整目錄） cd ./bin/x86_64/linux/release # 檢驗是否成功，運行實例 ./deviceQuery # 可以認真看看自行結果，它顯示了你的NVIDIA顯卡的相關信息，最后能看到Result = PASS就算成功。
如圖所示：
輸出結果看到顯卡相關信息，並且最后Result = PASS ，這說明CUDA才真正完全安裝成功了
然后是安裝cuDNN 這個也是按照原網址說明的步驟即可
2.1、下載cuDNN
cuDNN是GPU加速計算深層神經網絡的庫。首先去官網(https://developer.nvidia.com/rdp/cudnn-download)下載cuDNN，需要注冊一個賬號才能下載，沒有的話自己注冊一個。由於本人的顯卡是GTX1080Ti，所以下載版本號如圖所示，最新的版本是v7：
2.2、安裝cuDNN
安裝cudnn比較簡單，簡單地說，就是復制幾個文件：庫文件和頭文件。將cudnn的頭文件復制到cuda安裝路徑的include路徑下，將cudnn的庫文件復制到cuda安裝路徑的lib64路徑下。具體操作如下
1 #解壓文件 2 tar -zxvf cudnn-8.0-linux-x64-v7.tgz 3 4 #切換到剛剛解壓出來的文件夾路徑 5 cd cuda 6 #復制include里的頭文件（記得轉到include文件里執行下面命令） 7 sudo cp /include/cudnn.h /usr/local/cuda/include/ 8 9 #復制lib64下的lib文件到cuda安裝路徑下的lib64（記得轉到lib64文件里執行下面命令） 10 sudo cp lib* /usr/local/cuda/lib64/ 11 12 #設置權限 13 sudo chmod a+r /usr/local/cuda/include/cudnn.h 14 sudo chmod a+r /usr/local/cuda/lib64/libcudnn* 15 16 #======更新軟連接====== 17 cd /usr/local/cuda/lib64/ 18 sudo rm -rf libcudnn.so libcudnn.so.7 #刪除原有動態文件，版本號注意變化，可在cudnn的lib64文件夾中查看 19 sudo ln -s libcudnn.so.7.0.2 libcudnn.so.7 #生成軟銜接（注意這里要和自己下載的cudnn版本對應，可以在/usr/local/cuda/lib64下查看自己libcudnn的版本） 20 sudo ln -s libcudnn.so.7 libcudnn.so #生成軟鏈接 21 sudo ldconfig -v #立刻生效
備注：上面的軟連接的版本號要根據自己實際下載的cudnn的lib版本號
如圖所示：
最后我們看看驗證安裝cudnn后cuda是否依舊可用
nvcc --version # or nvcc -V
最后安裝最新版的tensorflow
大家可以參考TensorFlow的官方安裝教程（https://www.tensorflow.org/install/），官網提供的了 Pip, Docker, Virtualenv, Anaconda 或 源碼編譯的方法安裝 TensorFlow，我們這里主要介紹以Anaconda安裝。其他安裝方式，大家可以到官方安裝教程查看。
3.1安裝TensorFlow
通過Anaconda安裝TensorFlow CPU，TensorFlow 的官方下載源現在已經在GitHub上提供了（https://github.com/tensorflow/tensorflow），找到對應的版本號，如圖所示：
（1）、創建一個名為tensorflow的conda環境Python 3.6
#Python 2.7 conda create -n tensorflow python=2.7 #Python 3.4 conda create -n tensorflow python=3.4 #Python 3.5 conda create -n tensorflow python=3.5
#Python 3.6 conda create -n tensorflow python=3.6 #我下的TensorFlow對應的Python是3.6版本，那么我就使用這行
備注：(根據TensorFlow版本號，一定要設置Python版本號，切記切記切記！！！！！重要的事情說三遍！否則后面會報各種錯的)
（2）、激活 conda 環境
source activate tensorflow
（3）、TensorFlow 各個版本（最新的貌似是1.3的版本了）
然后根據要安裝的不同tensorflow版本選擇對應的一條下載鏈接（操作系統，Python版本，CPU版本還是CPU+GPU版本），官方文檔都有相關信息。
Python 2.7 CPU: https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.3.0-cp27-none-linux_x86_64.whl GPU: https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0-cp27-none-linux_x86_64.whl ===============================================================================================
Python 3.4 CPU: https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.3.0-cp34-cp34m-linux_x86_64.whl GPU: https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0-cp34-cp34m-linux_x86_64.whl ===============================================================================================
Python 3.5 CPU: https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.3.0-cp35-cp35m-linux_x86_64.whl GP: https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0-cp35-cp35m-linux_x86_64.whl ===============================================================================================
Python 3.6 CPU: https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.3.0-cp36-cp36m-linux_x86_64.whl GPU: https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0-cp36-cp36m-linux_x86_64.whl
按照原地址說明繼續安裝測試即可