ubuntu16.04+Anaconda3-5.1.0+tensorflow-gpu1.12.0+cuda9.0+cudnn7.4.1+keras2.2.4
1. pyenv安装
1.1 安装git
$ sudo apt-get install git #安装git
$ git --version #检查版本以及确认已经成功
1.2 开始装pyenv
$ git clone https://github.com/pyenv/pyenv.git ~/.pyenv #下载源文件
$ echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc #定义PYENV_ROOT
$ echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc #定义PYENV_ROOT
$ echo -e 'if command -v pyenv 1>/dev/null 2>&1; then\n eval "$(pyenv init -)"\nfi' >> ~/.bashrc #pyenv init
重启终端。
1.3 查看可安装列表
$ pyenv install --list
1.4 安装Python的依赖包
$ sudo apt-get update
$ sudo apt-get install make build-essential libssl-dev zlib1g-dev
$ sudo apt-get install libbz2-dev libreadline-dev libsqlite3-dev wget curl
$ sudo apt-get install llvm libncurses5-dev libncursesw5-dev
2. 安装Anaconda
清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
Anaconda官网：https://www.anaconda.com/
这里下载的是Anaconda3-5.1.0-Linux-x86_64.sh
$ cd ~/.pyenv #进入.pyenv配置文件中
$ sudo mkdir cache #新建cache文件夹(默认没有)
$ cp Anaconda3-5.1.0-Linux-x86_64.sh ~/.pyenv/cache #通过cp命令 将xxx.sh文件copy到cache下
$ pyenv install anaconda3-5.1.0 #安装 默认会扫描cache目录下面的文件 所以可以快速安装
$ pyenv rehash # 刷新
3. 安装GPU驱动以及装载CUDA
3.1 卸载原有驱动(针对之前有驱动的情况)
$ sudo apt-get remove --purge nvidia*
$ sudo chmod +x *.run #赋给.run运行的权限
$ sudo ./NVIDA-Linux-x86_64-410.93.run --uninstall #具体版本参考自己的GPU型号去官网查询
3.2 禁止nouveau驱动
$ sudo gedit /etc/modprobe.d/blacklist.conf
# 将下面的两句话加入这个配置文件中保存
blacklist nouveau
options nouveau modeset=0
修改后执行sudo update-initramfs -u，重启电脑后，输入lsmod | grep nouveau。如果屏幕没有任何信息输出，说明禁止成功。
3.3 禁止X-windows服务
$ sudo service lightdm stop #会关闭图形化界面
# 然后Ctrl + Alt + F1 切换到到命令行界面 然后利用账户和密码登录，帐号密码不可以使用小键盘。
# ps:sudo service lightdm start 开启 Ctrl + Alt + F7 即可以切换回去。
3.4 命令行驱动安装
驱动下载：https://www.nvidia.cn/Download/index.aspx?lang=cn
$ sudo ./NVIDA-Linux-x86_64-410.93.run --no-opengl-files #不需要安装额外的OpenGL库(ubuntu本身已经有了)
一直看着提示安装，如果出现错误(32bit 兼容...)忽略不计，或者多次反复安装即可。
均默认选项即可。
3.5 驱动测试
$ nvidia-smi #会显示出本机安装的驱动列表 有提示就行了。
# or
$ nvidia-settings #弹出NVIDIA对话框即可
3.6 安装CUDA
CUDA下载：https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal
#应该下载.run形式而不是deb形式。
#应该在tty界面进行安装。
$ sudo ./cuda_9.0.176_384.81_linux.run --no-opengl-libs
如果进度条不动，那么就一直按着Enter键，然后按着以下选择进行安装。
$ accept #同意安装
$ n #不安装driver，之前已经装载最新驱动
$ y #安装CUDA toolkit
$ <Enter>
$ <Enter>
$ y #允许创建目录
$ y #允许复制/Sample
3.7 测试CUDA Sample
编译以及测试deviceQuery
$ cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
$ sudo make
$ ./deviceQuery
编译以及测试bandwidthTest
$ cd ../bandwidthTest
$ sudo make
$ ./bandwidthTest
如果两个的结果均为 Result = PASS，说明到现在我们已经完成了CUDA的安装。
3.8 设置cuDNN
cuDNN下载：https://developer.nvidia.com/rdp/cudnn-archive
此处下载的是cuda-9.0
解压命令如下：
如果这个压缩包不是.tgz格式的，把这个压缩包重命名为.tgz格式。解压当前的.tgz格式的软件包到系统中的任意路径（这个路径很重要，以下将该路径的绝对路径简称为/your/path/to/cudnn），解压后的文件夹名为cuda，文件夹中包含两个文件夹：一个为include，另一个为lib64。
例如：我将这个压缩包解压在了/usr/local目录下，那么该文件的绝对路径为/usr/local/cuda
$ tar -zvxf archive_name.tar.gz -C /usr/local
解压下载的cudnn得到cuda这个文件夹并且进入进行以下操作：
由于我安装发现在我的 /usr/local/下会出现cuda以及cuda-9.0`，所以我建议下面的操作两个都需要试试（视情况而定）。
$ sudo cp include/cudnn.h /usr/local/cuda(需要后面都替换为cuda-9.0,后面都需要做两次)/include/ #复制头文件
$ sudo cp lib64/* /usr/local/cuda/lib64/
$ cd /usr/local/cuda/lib64
$ sudo ln -sf libcudnn.so.7.4.1 libcudnn.so.7 #这里生成软链接 根据自己下载cudnn版本不同 其数字会有所不同
$ sudo ln -sf libcudnn.so.7 libcudnn.so
$ sudo ldconfig -v #生成链接
$ ls # 查看一下当前目录下是否存在上面的so文件以及是否会有红色(表示链接错误)
我解压之后发现不需要进行copy操作了，因为相应项已经解压到应该在的位置了，所以只进行了后面生成软链接的步骤。
4. 创建环境安装TensorFlow-GPU
4.1 安装pip
$ sudo apt-get install python-pip
4.2 创建anaconda环境（为TensorFlow做准备）
$ pyenv global anaconda-xxx-xx # 首先切换之前装好的anaconda
$ conda create -n tensorflow(环境名称) #创建tensorflow环境可以理解为容器
4.3 开启TensorFlow环境
$ source activate tensorflow #跟前面的创建的名称一致
(tensorflow)$ # 你的shell就会变成这样
4.4 安装TensorFlow-GPU
首先需要根据CUDA和cuDNN选择相应的tensorflow版本 这里选择1.2 因为之前的驱动装的版本比较低，因为比较稳定。据你自己情况而定。
具体的适用的表在tensorflow的官网源码安装部分有列出。
tensorflow的官网：https://tensorflow.google.cn/install/source
在不影响主机系统设置的情况下，在虚拟环境中安装软件包。首先升级 pip：
$ pip install --upgrade pip
$ pip list # show packages installed within the virtual environment
之后要退出虚拟环境，请使用以下命令：
$ source deactivate # don't exit until you're done using TensorFlow
$ pip install --upgrade tensorflow
然后便可以验证安装效果了：
$ python
$ import tensorflow as tf
不报错以及warning即可。
5. 安装Keras
$ source activate tensorflow # 首先进入我们之前搭建的环境
$ pip install keras #安装keras
等待安装结束，输入python进入环境中。
>>> import tensorflow as tf
>>> import keras
没有报错就完成了所有的搭建。
6. Keras demo
$ git clone https://github.com/fchollet/keras.git
$ cd keras/examples/
$ python mnist_mlp.py
接下来你就会看见很酷的训练数据以及模型，没有任何错误即可。
附录：
1. Anaconda常用命令
$ pyenv versions #查看本地的Python版本
$ pyenv install --list #查看可安装的列表
$ pyenv install xxxx #安装xxx
$ pyenv uninstall xxxx #卸载xxx
$ pyenv global 环境名称 # 设置全局Python环境版本
$ pyenv local 环境名称 # 设置本地shell的Python环境版本
# ps:其他命令请输入pyenv或者查询官方手册查看
2.创建Anaconda下的虚拟环境
$ pyenv global anaconda-xxx-xx #首先切换之前装好的anaconda
$ conda create -n tensorflow(环境名称) #创建tensorflow环境可以理解为容器
引用：
1. 作者：halolong
链接：https://www.jianshu.com/p/eb6a52925566
来源：简书
2. 作者：每天都要深度学习
原文：https://blog.csdn.net/lucifer_zzq/article/details/76675239
来源：CSDN