每次配置深度學習環境時，總是忘記安裝流程以及遇到各種各樣的bug和各種網上翻牆找解決方案，爲此，通過借鑑網上的各位前輩們辛苦的探索和分享的寶貴經驗，寫下該配置環境的詳細流程，避免自己以後重蹈覆轍，哈哈～
【電腦配置】
系統：Ubuntu16.04(英文版)
顯卡：GTX1080(顯卡必須是NVIDIA)
【需要的安裝包】
- NVIDIA-Linux-x86_64-390.25.run
- CUDA_8.0.61_375.26_linux.run
- CUDNN-8.0-linux-x64-v6.0.tgz
下載以上內容可以去各自的官網下載，
也可通過博主的百度盤下載【鏈接：https://pan.baidu.com/s/1525TvaZO3cVb6cyZuYP_ow 密碼：fdr9】
一、安裝顯卡驅動
在這提供兩種安裝方法：在線安裝和離線安裝，選擇其中一種即可。
【在線安裝】
Ubuntu系統Software&Update裏可以直接安裝NVIDIA驅動:
找到Software&Update應用
在Software & Updates->Additonal Drivers裏選擇第一個NVIDIA CorporationUsing NVIDIA binary driver-version 384.111 from nvidia-384(proprietary,tested)，然後點擊Apply Changes進行在線安裝即可
【離線安裝】
到NVIDIA官網【https://www.nvidia.cn/Download】下載自己顯卡相對應的顯卡驅動，然後放到你的home目錄下：
禁用原始驅動：
sudo gedit /etc/modprobe.d/blacklist.conf 在blacklist.conf 文件裏面添加：
blacklist amd76x_edac
blacklist vga16fb
blacklist nouveau
blacklist nvidiafb
blacklist rivatv卸載乾淨以前安裝過的NVIDIA所有驅動：
sudo apt-get remove šCpurge nvidia-* Ctrl+Alt+F1切換到無圖形界面：
sudo service lightdm stop
sudo chmod +x ./NVIDIA-Linux-x86_64-390.25.run
sudo ./NVIDIA-Linux-x86_64-390.25.run//事先下載好的nvidia驅動安裝完後，執行：
sudo nvidia-xconfig如出現無法執行，安裝缺少的庫：
sudo apt-get install mesa-common-dev //安裝缺少的庫
sudo apt-get install freeglut3-dev
sudo update-initramfs -u 然後重啓電腦：
sudo reboot 【測試顯卡驅動】
nvidia-smi若出現下面信息，恭喜您終於成功安裝顯卡驅動：
二 、安裝CUDA8.0
首先到CUDA官網【https://developer.nvidia.com/cuda-downloads】下載對應版本的CUDA Toolkit：
(注意：如果後面您需要安裝caffe的話，CUDA版本應選擇低版本的CUDA8.0，最新的CUDA9.0或以上在caffe編譯的時候會出現各種bug，博主這在此建議安裝CUDA_8.0.61_375.26_linux.run)
安裝相關依賴庫：
sudo apt-get install build-essential libgl1-mesa-dev
sudo apt-get install freeglut3-dev
sudo apt-get install libglew-dev libsdl2-dev libsdl2-image-dev libglm-dev libfreetype6-dev安裝cuda:
（注意，注意，注意，重要的事情說三遍：安裝過程中，按q退出條款瀏覽，輸入accept接受條款後，一定要輸入n不安裝NVIDIA圖像驅動，因爲前面已經安裝了，其餘剩下的都輸入y）
sudo chmod +x ./CUDA_8.0.61_375.26_linux.run
sudo sh ./CUDA_8.0.61_375.26_linux.run配置環境變量：
sudo gedit /etc/profile在打開的文件中添加如下語句：
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/:/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-8.0/bin:/usr/local/cuda/bin:$PATH創建鏈接文件：
sudo gedit /etc/ld.so.conf.d/cuda.conf在打開的文件中添加如下語句：
/usr/local/cuda/lib64然後執行，使鏈接立即生效，重啓電腦：
sudo ldconfig
sudo reboot重啓後，修改/usr/local/cuda-8.0/samples/common下的findglib.mk文件：
（將findglib.mk文件中的UBUNTU_PKG_NAME = “nvidia-375”修改爲UBUNTU_PKG_NAME = “nvidia-384”）
sudo gedit /usr/local/cuda-8.0/samples/common/findgllib.mk創建軟鏈接：
sudo ln -s /usr/lib/nvidia-384/libnvcuvid.so /usr/lib/libnvcuvid.so
sudo ln -s /usr/lib/nvidia-384/libnvcuvid.so.1 /usr/lib/libnvcuvid.so.1 測試CUDA：
nvcc -V 若出現以下信息，表示成功安裝CUDA：
跑跑CUDA中的例子，嘗試下GPU的感覺：
cd /your_path/NVIDIA_CUDA-8.0_Samples
make -j
cd ./bin/x86_64/linux/release
./deviceQuery刷刷刷的出現了以下信息，爽不爽～：
三 、安裝CUDNN v6.0
解壓CUDNN-8.0-linux-x64-v6.0.tgz，然後執行下面命令：
cd ./cuda
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/* /usr/local/cuda/lib64/
cd /usr/local/cuda/lib64
sudo ln -sf libcudnn.so.6.0.21 libcudnn.so.6
sudo ln -sf libcudnn.so.6 libcudnn.so以上深度學習的環境配置安裝就全部完成啦～＼（≧▽≦）／～…
下一篇將會介紹Opencv3+Anaconda3+Tensorflow+Caffe等深度學習框架安裝的詳細過程。