为后期进行Deep Learning ，首先在Linux下安装CUDA ，用于后期开发基础，发现网上的一些步骤太宽泛，不能细化到具体的操作系统版本、显卡型号，比如CUDA版本和显卡型号如果不对应的话，即使按照网上所给步骤正确安装CUDA的话，到最后一步的./deviceQuery依旧会出错，所以第一步确定系统版本、显卡型号和对应的CUDA Toolkit至关重要，为方便跟我一样初涉DL的菜鸟能快速安装CUDA，将自己的成功经验进行分享，本安装步骤是本人结合网上已有安装步骤+nvidia官网文档提示+自身具体操作系统、显卡进行测试和总结。nvidia Cuda 官网文档地址：http://docs.nvidia.com/cuda/cuda-getting-started-guide-for-linux/index.html#axzz3HtZrhcEH 网上已有安装CUDA网址：http://www.cnblogs.com/platero/p/3993877.html
＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊
系统型号
CPU：双处理器4赫
内存：16G
显卡：GeForce GTX 750
系统：ubuntu 14.04.01 LTS trusty 64位系统
＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊
＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊
安装CUDA
1.按照cuda toolkit documentation了解需求cuda版本型号，网址http://docs.nvidia.com/cuda/cuda-getting-started-guide-for-linux/index.html#axzz3HtZrhcEH
2.开始查看本机系统是否符合要求
2.1 检测GPU是否符合CUDA要求： lspci | grep -i nvidia 然后对照显卡信息是否列于https://developer.nvidia.com/cuda-gpus
例如本机GPU为：GeForce GTX 750 计算能力：5.0
2.2 检测Linux版本是否符合： uname -m && cat /etc/＊release
例如本机系统显示：64位 ubuntu 14.04.01 LTS,Trusty Tahr
2.3 检测系统是否安装gcc编译器: gcc --version
例如本机显示版本：gcc 4.8.2
2.4 选择安装方法：一般建议安装distribution-specific pacages,因为其接口与本地package管理系统关联
对于Redhat 5，ARMv7系统要独立安装。
3. 下载对应显卡的CUDA Toolkit
3.1 下载对应显卡版本的CUDA Toolkit地址：http://developer.nvidia.com/cuda-downloads
CUDA Toolkit: cuda_6.5.14_linux_64.run
该CUDA Toolkit包含CUDA驱动，工具包
3.2 下载验证, 验证地址：http://developer.nvidia.com/cuda-downloads/checksums,如果序列号有差异，说明下载文件损坏，需要重新下载
md5sum cuda_6.5.14_linux_64.run
3.2 对所给的.run文件可执行权限： chmod +x *.run
4. 卸载之前已安装的CUDA Toolkit避免引起冲突，如果之前没有安装过CUDA Toolkit，此步可忽略
sudo chmod 777 uninstall_cuda_X.Y.pl
sudo /usr/local/cuda-X.Y/bin/uninstall_cuda_X.Y.pl 如：X.Y=6.5
sudo rm -r /usr/local/cuda-X.Y
扩展：卸载RPM/Deb操作： sudo apt-get --purge remove <package_name>
5.安装CUDA Toolkit
5.1 安装必要的一些库和头文件： sudo apt-get install build-essential
5.2 之前安装的版本会有冲突，所以之前安装的Toolkit和Drivers得要卸载，如果是新系统没安装过nvidia驱动，此步可以省略
sudo chmod 777 nvidia-uninstall
sudo /usr/bin/nvidia-uninstall
或者sudo apt-get --purge remove nvidia*
5.3 运行 /usr/bin/nvidia-settings 查看Nvidia Driver Version.
例如本机nvidia driver 版本为：340.76
5.3 关闭桌面管理lightdm的情况下安装驱动!!!
4.3.1 在BIOS设置选择Intel来显示或作为主要设备
4.3.2 开机后在Ubuntu，按ctr+alt+F1（alt+ctrl+delete为linux下重启）进入tty,输入用户名、密码，登录tty输入下列命令
sudo service lightdm stop
该命令会关闭lightdm,如果使用gdm或者其他的desktop manager,请在安装nvidia驱动前关闭它
5.4 在tty状态下，通过下列命令一步一步安装至完成： sudo ./cuda_6.5.14_linux_64.run
至此Nvidia Driver、Cuda Toolkit、Samples已经成功安装
5.5 在tty状态下，重启：sudo reboot
5.6 安装额外库： sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
5.7 添加环境变量：
安装完成后需要在/etc/profile中添加环境变量: sudo gedit /etc/profile
在文件最后添加：
PATH=/usr/local/cuda-6.5/bin:$PATH
export PATH
保存后,执行命令，使环境变量立即生效： source /etc/profile
5.8 添加lib库路径
在／etc/ld.so.conf.d 加入文件cuda.conf： sudo gedit /etc/ld.so.conf.d/cuda.conf
内容为：
／usr/local/cuda-6.5/lib64
保存后，执行下列命令使之立刻生效: sudo ldconfig
6.卸载CUDA Toolkit
sudo /usr/local/cuda-X.Y/bin/uninstall_cuda_X.Y.pl 如：X.Y=6.5
一般CUDA安装成功后位置位于／usr/local/cuda-X.Y，要想删除该文件夹，只需要删除该路径下的文件即可
执行删除命令sudo rm -r cuda-X.Y
7. 安装可写Samples、第三方库（可选择性安装）
说明第三方库，有些sample编译的时候需要第三方库才能编译成功！但是第7步具有选择性，可装可不装。
8. 验证安装驱动版本
验证已安装驱动的版本： cat /proc/driver/nvidia/version
9. 编译example
9.1 CUDA Toolkit版本检验： nvcc -V
9.2 在 ~／NVIDIA_CUDA-6.5_Samples 下编译执行： make
编译大约半小时候后，编译结果位于： ~/NVIDIA_CUDA-6.5_Samples/bin
9.3 cd到～／NVIDIA_CUDA-6.5_Samples/bin/x86_64/linux/release
sudo ./deviceQuery
sudo ./bandwidthTest
出现显卡等信息
cd 到/usr/local/cuda/samples/5_Simulations/nbody
sudo ./nbody
出现动态花火
以上三个测试均没问题，说明CUDA Toolkit安装成功！