注意：本教程只針對以下配置而言，其他配置可能會出現其他問題，不承擔任何責任。
配置說明：
雙硬盤雙系統，250G固態硬盤裝了win10，4T機械硬盤裝了Ubuntu16.04
雙顯卡：集顯加獨顯（GTX1080）
先按照了win10，再裝Ubuntu16.04，都是製作了U盤引導盤安裝，沒什麼好說
說明
1、1080裝機只能使用DVI接口的顯示器，無法使用VGA或者轉接頭之類的。或者先使用集顯連顯示器。當然當你把顯卡驅動安好之後，是能用VGA接口的，不過在那之前，VGA不識別。
2、1080需要使用自己的顯卡驅動，不能使用cuda 自帶的驅動。
3、Ubuntu16.04 系統的默認GCC版本爲5.4, 而編譯caffe最高只支持5.3.
4、Opencv不能直接安裝，因爲cuda8是新出的，opencv 無法識別。
一、安裝Ubuntu16.04
1、先上官網下載Ubuntu16.04的鏡像iso
2、再用UltraISO製作引導盤
3、U盤按照Ubuntu16.04
在這裏發現如果顯示器接的是獨顯1080的話，會出現分辨率問題而無法進行安裝界面，屏幕顯示“輸入不支持”。
在這裏卡了很久，也谷歌了好久，網上都說需要手動添加顯卡選項: nomodeset，使其支持Nvidia系列顯卡。
（參考： 安裝ubuntu黑屏問題的解決 or How do I set ‘nomodeset’ after I’ve already installed Ubuntu?）
但發現還是沒能解決問題。後來是把視頻線接到集顯輸出後，就能正常進入安裝界面，在安裝完後，我也是手動修改了grub文件，順便改改分辨率：
sudo vim /etc/default/grub找到這一行:GRUB_CMDLINE_LINUX_DEFAULT="quiet splash"修改爲：GRUB_CMDLINE_LINUX_DEFAULT="quiet splashnomodeset"
然後順便改分辨率
# The resolution used on graphical terminal
# note that you can use only modes which your graphic card supports via VBE
# you can see them in real GRUB with the command `vbeinfo’
#GRUB_GFXMODE=640×480
# 這裏分辨率自行設置
GRUB_GFXMODE=1920×1080
更新GRUB：
sudo update-grub二、安裝nvidia顯卡驅動
在這裏附上一下關於查看顯卡信息的命令（1）檢查你的電腦有哪些顯卡
lspci -k | grep -A 2 -i "VGA"sudo ubuntu-drivers devices也可以上官網查自己顯卡型號推薦的驅動（http://www.nvidia.cn/Download/index.aspx?lang=cn）
安裝驅動有三種方法：（1）run文件；（2）deb文件；（3）第三方安裝
各種嘗試後發現第三種方法是最簡便安全的。試過第一種，要各種配置，裝完後還在圖形界面那裏無限循環了，反正就各種問題
下面是第三種方法：
sudo add-apt-repository ppa:graphics-drivers第一次運行出現如下的警告：
Fresh drivers from upstream, currently shipping Nvidia.
## Current StatusWe currently recommend: nvidia−361nvidia-361, Nvidia’s current long lived branch.
For GeForce 8 and 9 series GPUs use nvidia−340nvidia-340 For GeForce 6 and 7 series GPUs use nvidia−304nvidia-304
## What we’re working on right now:– Normal driver updates– Investigating how to bring this goodness to distro on a cadence.
## WARNINGS:This PPA is currently in testing, you should be experienced with packaging before you dive in here.
Give us a few days to sort out the kinks.Volunteers welcome! See also: https://github.com/mamarley/nvidia-graphics-drivers/http://www.ubuntu.com/download/desktop/contribute
更多信息： https://launchpad.net/~graphics-drivers/+archive/ubuntu/ppa
按回車繼續或者 Ctrl+c 取消添加
回車後繼續:
sudo apt-get update
sudo apt-get install nvidia-367
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
把上面的顯卡驅動型號改成你匹配的型號
之後重啓系統讓GTX1080顯卡驅動生效
測試：
終端輸入：
nvidia-smi
出現類似上述界面說明安裝成功了
三、安裝cuda-8.0
在安裝 CUDA 之前，google了一下，發現在Ubuntu16.04下安裝CUDA7.5問題多多，幸好CUDA8已出，支持GTX1080：
從上圖也可以看出，CUDA 也有好幾種安裝方法，
但不推薦用deb方法，因爲deb包裏自帶了一箇舊的顯卡驅動，不支持1080，安裝完後需要重新安裝367版本的顯卡驅動。
參考文章【3】是按deb方法安裝的，可作參考
下面介紹run方法：
1、官網下載“cuda_8.0.27_linux.run”（建議先在windows下載再拷過去），或者從我給的百度網盤裏也有下載；
2、sudo sh cuda_8.0.27_linux.run
有可能要加 --override 參數：
這個參數會覆蓋原來的驅動，如果沒出現問題可以不需要這個參數。
sh cuda_8.0.27_linux.run --override 輸入n不安裝nvidia圖像驅動，之前已經安裝過了
輸入y安裝cuda 8.0工具
回車確認cuda默認安裝路徑：/usr/local/cuda-8.0
輸入y用sudo權限運行安裝，輸入密碼
輸入y或者n安裝或者不安裝指向/usr/local/cuda的符號鏈接
輸入y安裝CUDA 8.0 Samples，以便後面測試
回車確認CUDA 8.0 Samples默認安裝路徑：/home/pawn（pawn是我的用戶名），該安裝路徑測試完可以刪除
3、添加環境變量
sudo gedit ~/.bashrc
export CUDA_HOME=/usr/local/cuda-8.0
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-8.0/bin:$PATHsource ~/.bashrc 4、安裝例程測試
（1）查看cuda版本
nvcc --version（2）最後進入cuda自帶的例子中看cuda是否已正確配置
cd ~/NVIDIA_CUDA-8.0_Samples/
make -j16兩種方法：
a、直接下載低版本的gcc、g++替換之
ubuntu16.04 默認安裝的gcc版本爲gcc-5.4，（可用gcc --version查看）有時可能需要低版本的，所以我們先安裝gcc-4.8.5
sudo apt-get install -y gcc-4.8 g++-4.8
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.8 20
cd /usr/bin
sudo cp gcc gcc_backup
sudo cp g++ g++_backup
sudo rm gcc g++
sudo ln -s gcc-4.8 gcc
sudo ln -s g++-4.8 g++sudo rm gcc g++
sudo ln -s gcc-5 gcc
sudo ln -s g++-5 g++b、修改源碼，使其支持更高版本的gcc和g++
cd /usr/local/cuda/include/ #進入到頭文件目錄
sudo gedit host_config.h #編輯頭文件Ctrl + F 搜索GNUC，找到一段類似於 “if _GNUC_>5 || (_GNUC_ == 5 &&_GNUC_MINOR_> 3)”
，就是最大支持gcc-5.3，可自己取消該限制。建議改爲使其支持gcc-5.4，或者直接把兩個5改成6
（3）進入例程
cd ~/NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release./deviceQuery./deviceQuery Starting…CUDA Device Query (Runtime API) version (CUDART static linking)Detected 1 CUDA Capable device(s)Device 0: “GeForce GTX 1080” CUDA Driver Version / Runtime Version 8.0 / 8.0 CUDA Capability Major/Minor version number: 6.1 Total amount of global memory: 8112 MBytes (8506179584 bytes) (20) Multiprocessors, (128) CUDA Cores/MP: 2560 CUDA Cores GPU Max Clock rate: 1835 MHz (1.84 GHz) Memory Clock rate: 5005 Mhz Memory Bus Width: 256-bit L2 Cache Size: 2097152 bytes Maximum Texture Dimension Size (x,y,z) 1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384) Maximum Layered 1D Texture Size, (num) layers 1D=(32768), 2048 layers Maximum Layered 2D Texture Size, (num) layers 2D=(32768, 32768), 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 2 copy engine(s) Run time limit on kernels: Yes 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 GTX 1080Result = PASS
說明cuda已經安裝成功！
四、安裝opencv3.0
網上有opencv3,0的安裝腳本，非常方便，如果你還提前下載了對應版本的安裝包，那就更省時間了
1、提供一個百度雲，裏面有安裝包。百度雲盤鏈接: http://pan.baidu.com/s/1qX1uFHa 密碼:wysa
2、在Install-OpenCV-master文件夾中包含安裝各個版本opencv腳本
3、切換到目錄執行，安裝依賴項：
sudo sh Ubuntu/dependencies.sh4、執行opencv3.0安裝腳本
sudo sh Ubuntu/3.0/opencv3_0_0.sh期間可能會卡在ippcv的下載中，Ctrl + c中斷後，可以自行從http://sourceforge.net/projects/opencvlibrary/files/3rdparty/ippicv這裏下載，解壓到opencv-master —> 3rdparty —> ippicv —> downloads —> linux-xxxxxxxxxxxxxxxx 下面
再把選項-D WITH_IPP=OFF添加到上面的cmake命令中，重新cmake即可。即
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON -D WITH_IPP=OFF ..提醒一下，這時候要把opencv3_0_0.sh這個文件稍微修改一下啊，比如註釋掉mkdir build 等，還可以把後面的make -j4改到make -j16
最後就只需要等待安裝完就好，過程要挺久的，慢慢等！
問題1、 cuda8.0新出，opencv3.0.0或者2.4.10不支持。報錯：
/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:120:54: error: ‘NppiGraphcutState’ has not been declared
typedef NppStatus (*init_func_t)(NppiSize oSize, NppiGraphcutState** ppStat
^
/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:135:18: error: ‘NppiGraphcutState’ does not name a type
operator NppiGraphcutState*()
^
/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:141:9: error: ‘NppiGraphcutState’ does not name a type
NppiGraphcutState* pState;在OpenCV/opencv-3.0.0/modules/cudalegacy/src/graphcuts.cpp中做以下修改
將
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)
改爲
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)Invalid device function-D CUDA_ARCH_BIN=6.1 -D CUDA_ARCH_PTX=6.1
#Note:6.1爲GTX1080的計算能力,不同顯卡需要根據自己的計算能力進行修改
#查詢顯卡計算能力，可以通過運行cuda samples中的deviceQuery得知。
#（文件夾NVIDIA_CUDA-*_Samples下編譯示例， *爲版本號）在
set(CUDA_ARCH_BIN ${__cuda_arch_bin} CACHE STRING "Specify 'real' GPU architectures to build binaries for, BIN(PTX) format is supported")
set(CUDA_ARCH_PTX ${__cuda_arch_ptx} CACHE STRING "Specify 'virtual' PTX architectures to build PTX intermediate code for")
之前添加
set(__cuda_arch_bin "6.1")
set(__cuda_arch_ptx "6.1")五、安裝cudnn
在NVIDIA官網下載cudnn v5.0 for cuda8.0rc：
cudnn-8.0-linux-x64-v5.0-ga.tgz
還有v3，v4，v5.1版本的，可以都先下下來，之後編譯或者以後可能會出現cudnn版本不適應的問題，這時候就要一個版本一個版本的去試了
安裝過程很簡單，直接解壓拷貝就可以了：
tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/*.* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so以後需要更換cudnn版本的時候就把原來的libcudnn*替換掉，再重新軟鏈接就好（建議把重複的步驟做個腳本就方便了）
最後更新一下鏈接庫就可以：
sudo ldconfig六、安裝matlab14.04a
1.下載
由於該軟件爲商業軟件，僅提供百度雲安裝學習，並確保不使用做商業目的，下載24小時刪除……下載鏈接 http://pan.baidu.com/s/1hsucG3E 提取密碼 nvb6
2.預準備
將part1.rar壓縮文件解壓，如果無法解壓，可以先安裝unrar
sudo apt-get install unrar複製Crack/install.jar至 home/Matlab/Java/jar/ 並覆蓋源文件
sudo cp install.jar /home/Matlab/java/jar/
#給安裝路徑及其子文件夾賦予執行權限
chmod a+x Matlab -R
3.安裝
#cd 到安裝文件夾下
sudo ./install 選項：不使用Internet安裝
序列號： 12345-67890-12345-67890 （隨意20位數據）
默認路徑：/usr/local/MATLAB/R2014a
建議全選安裝
勾選從默認啓動路徑創建符號鏈接（實現在任意位置運行matlab啓動程序）
激活文件：Crack/license_405329_R2014a.lic
拷貝 Crack/linux目錄下的libmwservices.so 至 /usr/local/MATLAB/R2014a/bin/glnxa64
sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/4.解決編譯器gcc/g++版本問題
因爲Ubuntu 16.04的gcc/g++版本是5.4，而Matlab 2014a（2015a）的版本是4.7.x所以在使用matla調用mex文件的時候，基本上都會報錯，根據報錯信息，考慮如下兩步解決方案。A. 降級安裝gcc/g++版本爲4.7.x
sudo apt-get install -y gcc-4.7 g++-4.7
cd /usr/bin
sudo mv gcc gcc-4.9.2 #備份
sudo ln -s gcc-4.7 gcc
sudo mv g++ g++-4.9.2
sudo ln -s g++-4.7 g++B. 暴力引用新版本GLIBCXX_3.4.21
sudo cp /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.21 /usr/local/MATLAB/R2014a/sys/os/glnxa64/libstdc++.so.6.0.21
cd /usr/local/MATLAB/R2014a/sys/os/glnxa64
sudo mv libstdc++.so.6 libstdc++.so.6.backup
sudo ln -s libstdc++.so.6.0.21 libstdc++.so.6
sudo ldconfig -v通過命令“strings /usr/local/MATLAB/R2014a/sys/os/glnxa64/libstdc++.so.6 | grep GLIBCXX_” 可以看一下，是否已經成功包含了GLIBCXX_3.4.21，如果已經存在，基本上就成功了。
建議用方法B，試過方法A，4.7版本的gcc在make all 時都會出錯，應該前面cuda編譯時用的就是5.4的，除非重裝系統，把cuda也用4.7編譯。
5.建立桌面快捷方式
在/usr/share/applications 中創建Matlab2014.desktop 文檔，並輸入以下內容[Desktop Entry]
Name =Matlab2014
GenericName = Matlab R2014a
Comment = Matlab R2014a: The Language of the Techinical Computing
Exec = sh /usr/local/MATLAB/R2014a/bin/matlab -desktop
Icon = /usr/local/MATLAB/R2014a/toolbox/nnet/nnresource/icon16/matlab.png
StartupNotify =true
Terminal = false
Type=Application
#添加該命令後，快捷方式會出現在 Applications/Programming/中
<p>Categories = Development;Matlab </p>七、安裝caffe
1、安裝基本依賴庫
sudo apt-get update
sudo apt-get install -y build-essential cmake git pkg-config
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install -y libatlas-base-dev
sudo apt-get install -y --no-install-recommends libboost-all-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install -y python-pip python-dev python-numpy python-scipy # (Python general)
sudo apt-get install -y libopencv-dev # (OpenCV 2.4)2、安裝科學計算庫BLAS(Basic Linear Algebra Subprograms 基本線性代數子程序)
1)安裝atlas
sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran
2)安裝MKL
a、下載與安裝
首先下載並安裝英特爾® 數學內核庫 Linux* 版MKL(Intel(R) Parallel Studio XE Cluster Edition for Linux 2016)，下載鏈接是：https://software.intel.com/en-us/qualify-for-free-software/student， 使用學生身份（郵件 + 學校）下載Student版，填好各種信息，可以直接下載，同時會給你一個郵件告知序列號。下載完之後，要把文件解壓到home文件夾(注意任何一級文件夾不能包含空格，否則安裝會失敗)
tar zxvf parallel_studio_xe_2016.tar.gz （如果你是直接拷貝壓縮文件過來的）
chmod a+x parallel_studio_xe_2016 -R
sh install_GUI.sh輸入第三條命令後會打開圖形安裝界面，會有同意協議，輸入序列號，選擇安裝庫等，按照流程應該沒問題。
PS: 安裝的時候，建議使用root權限安裝，過程中會要求輸入Linux的root口令。（設置方法：命令行：$ sudo passwd）
1.新建intel_mkl.conf， 並編輯之：
$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64$ sudo gedit /etc/ld.so.conf.d/cuda.conf
/usr/local/cuda/lib64
/lib$ sudo ldconfig -v完成！
3、安裝python的pip和easy_install，方便安裝軟件包
cd ~
wget --no-check-certificate https://bootstrap.pypa.io/ez_setup.py
sudo python ez_setup.py --insecure
wget https://bootstrap.pypa.io/get-pip.py
sudo python get-pip.py安裝python依賴
cd python #裏面有requirements.tx文件
sudo apt-get install python-pip
sudo su
for req in $(cat "requirements.txt"); do pip install -i https://pypi.tuna.tsinghua.edu.cn/simple $req; done按Ctrl+D退出sudo su模式
4、 編譯
1）下載caffe
去https://github.com/BVLC/caffe下載.zip安裝包，放在某路徑Caffe_Path下解壓。
2）修改Makefile.config配置文件
進入caffe根目錄：
cp Makefile.config.example Makefile.config
gedit Makefile.config設置以下內容:
USE_CUDNN := 1 #取消該句註釋
OPENCV_VERSION := 3 #取消該句註釋
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include
WITH_PYTHON_LAYER := 1 #取消註釋
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib \
/usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial保存退出。
3）編譯caffe
繼續在Caffe-master文件夾目錄下：
make all -j4
make test -j4
make runtest -j4必須根據自己CPU情況選擇4或8或16，選擇過大的數字編譯時會出錯！！！
編譯過程中可能還會有各種問題，大多數都是cudnn的問題，還可能是一些庫沒安裝好，cudnn的問題就換不同版本的cudnn試試。
如果出現問題：
.build_release/tools/extract_features.o：在函數‘std::string* google::MakeCheckOpString<int, int>(int const&, int const&, char const*)’中：
extract_features.cpp:(.text._ZN6google17MakeCheckOpStringIiiEEPSsRKT_RKT0_PKc[_ZN6google17MakeCheckOpStringIiiEEPSsRKT_RKT0_PKc]+0x50)：對‘google::base::CheckOpMessageBuilder::NewString()’未定義的引用有些是因爲電腦問題，支持不了太低版本的cudnn，可能就用不了cudnn了。例如筆記本上顯卡是GT540M，它的CUDA Capability是2.1,而官方的cudnn加速是不支持3.0以下的版本的，因此只能在Makefile.config中註釋掉USE_CUDNN這行。
=================================================================
簡單講就是GPU的加速性能不夠，CUDNN只支持CUDA Capability 3.0以上的GPU加速
==================================================================
如果是一些庫的問題，那就手動編譯，再在配置文件里加入庫路徑就好，有問題多百度谷歌，一步步排除，可以先註釋cudnn，甚至是註釋掉cuda，只是CPU_ONLY，一步步找出是在哪裏出問題！出錯了就在原終端中輸入make clean清除第一次編譯結果
再次輸入make all -j4重新編譯
4）編譯python-caffe接口
make pycaffe報錯的話應該就是路徑問題，只需要在~/.bashrc文件下export PYTHONPATH即可
sudo gedit ~/.bashrc
#CAFFE_ROOT是caffe的安裝路徑
export PYTHONPATH=$CAFFE_ROOT/python:$PYTHONPATH5）編譯matlab-caffe接口
# This is required only if you will compile the matlab interface.
# MATLAB directory should contain the mex binary in /bin.
MATLAB_DIR := /usr/local
MATLAB_DIR := /usr/local/MATLAB/R2014a # 該路徑下應該有bin文件夾
make matcaffe
雖然會有警告說gcc版本不一致，但最後還是編譯成功了。
可以用matlab自帶的一個demo檢驗一下，打開matlab，在matlab窗口敲入：
cd $CAFFE_ROOT/matlab/demo/
im = imread('../../examples/images/cat.jpg');
[scores, maxlabel] = classification_demo(im, 1);得到下面的結果即成功！
八、mnist測試
1、獲取mnist數據集
下載mnist數據集，終端輸入cd /home/pawn/caffe/data/mnist/
./get_mnist.sh在/home/pawn/caffe/data/mnist/目錄下會多出訓練集圖片、訓練集標籤、測試集圖片和測試集標籤等4個文件
2、mnist數據格式轉換
cd /home/pawn/caffe/
./examples/mnist/create_mnist.sh此時在/caffe/examples/mnist/目錄下生成mnist_test_lmdb和mnist_train_lmdb兩個LMDB格式的訓練集和測試集
3、訓練mnist
LeNet-5模型描述在/caffe/examples/mnist/lenet_train_test.prototxt
Solver配置文件在/caffe/examples/mnist/lenet_solver.prototxt
執行文件在/caffe/examples/mnist/train的lenet.sh
終端輸入
cd /home/pawn/caffe/
./examples/mnist/train_lenet.sh最後想說的是1080太新了，可能caffe還有其他一些環境跟不上的話很容易出現一些意想不到的錯誤，希望大家都能順利搭建成功吧！
最後再附上之前寫的一篇裝ubuntu後推薦安裝的軟件博文： Ubuntu14.04安裝與安裝後的軟件的安裝
九、備份系統
好不容易配好系統了，萬一腦殘不知動了哪給搞壞了怎麼辦？先備份個系統吧。
9.1 系統備份
系統設置（system setting）裏有Backups，但只能備份還原home文件夾。
首先打開終端進入根目錄並獲取root權限
cd /
sudo su
tar cvpzf Ubuntu_backup.tgz --exclude=/Ubuntu_backup.tgz --exclude=/mnt --exclude=/home --exclude=/proc --exclude=/sys --exclude=/lost+found / 備份完後就可以拷貝到其他盤裏保存了。
9.2 系統恢復
在 Ubuntu_backup.tgz 所在文件夾下打開終端獲取root權限，將 Ubuntu_backup.tgz拷貝到根目錄下
sudo su
cp Ubuntu_backup.tgz /
cd /
tar xvpfz Ubuntu.tgz -C / 新建備份時忽略的文件夾，如
mkdir /proc /lost+found /mnt /sys參考文章：
1、Ubuntu16.04 + cuda8.0 + GTX1080安裝教程
2、ubuntu16.04+gtx1060+cuda8.0+caffe安裝、測試經歷
3、GTX1070+Ubuntu16+cuda8+Deeplearning配置
4、Caffe + Ubuntu 15.04(16.04) + CUDA 7.5(8) 新手安裝配置指南