deepin的CUDA和cuDNN安裝方法與其它系統有所不同，參考其它操作系統的方法也許不適用，特別是顯卡驅動的安裝，容易使系統出現問題
本次配置：
操作系統：deepin15.5桌面版
電腦品牌：聯想拯救者
CPU：i5-7300HQ
顯卡：NVIDIA GTX 1050Ti
tensorflow版本：1.4
cuda版本：8.0
cudnn版本：6
目錄：
- 安裝顯卡驅動
- 安裝CUDA
- 安裝tensorflow-GPU
- 安裝CUDNN
一、安裝顯卡驅動
deepin15.5的顯卡驅動可以使用bumblebee工具，此處不需要手動禁用nouveau，因為安裝完成之后會自動禁用
安裝驅動命令：
sudo apt-get install bumblebee bumblebee-nvidia nvidia-smi
安裝完之后，在命令行輸入：
optirun nvidia-smi
輸出：
上圖表明安裝已經成功。
驅動使用方法：
在進行訓練前，在終端輸入sudo tee /proc/acpi/bbswitch <<< ON，可開啟顯卡。
在訓練結束后，在終端輸入sudo tee /proc/acpi/bbswitch <<< OFF，可關閉顯卡。
二、安裝CUDA
網上很多教程都不適用於我的系統，下載安裝包來安裝也會報錯，所以這里采用命令行安裝的方法：
sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler
至此，CUDA安裝完成
三、安裝tensorflow-GPU
為什么要在安裝cuDNN之前安裝tensorflow-gpu呢？因為我們之前安裝的cuda方法與往常不同，所以cuDNN的安裝方法也有所不同，需要先安裝tensorflow-gpu
安裝很簡單，輸入以下命令：
pip install tensorflow-gpu==1.4
四、安裝cuDNN
從官方網站下載安裝包：https://developer.nvidia.com/rdp/cudnn-download
下載之后解壓，會得到一個cuda文件夾。
接下來進行兩個步驟：
- 步驟一：將解壓出來的
cuda/include/下的cudnn.h文件復制到/usr/local/include/目錄下。 - 步驟二：將
cuda/lib64/目錄下的所有文件復制到python環境的tensorflow包的tensorflow/python/目錄下
我的python環境的tensorflow包的tensorflow/python/目錄是：/home/XXX/anaconda3/lib/python3.6/site-packages/tensorflow/python
至此，所有安裝都已經結束
測試：
進入python環境中，輸入以下命令：
import tensorflow as tf sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
輸出：
結果中有GPU的名稱，顯存等信息，表示tensorflow可以使用GPU了
如有問題，歡迎留言討論
參考資料：
https://blog.csdn.net/aaronjny/article/details/79330727