最近要重現YOLOv3 實時在線物體檢測算法，代碼要求Python3.6及以上由於Ubuntu 自帶的Python版本是3.5.2於是索性直接給卸掉了， 由於是Ubuntu自帶的版本， 可能系統需要用到裏面的組件，再次重啓系統的時候產生登陸循環login loop 問題。
關於login loop 問題，看上一個帖子，在本機上已經解決
解決login loop 問題只是開始， 由於要恢復cuda + cudnn + tensorflow 的GPU計算環境 所以要重新考慮版本以及兼容性的問題
首先安裝python3.6版本, 以及如何設置爲默認選項
參考這篇帖子： https://www.cnblogs.com/yjlch1016/p/8641910.html
pip3 安裝 升級 卸載
參考： https://blog.csdn.net/tiweeny/article/details/78384633
完了首先搭建好cuda + cudnn + 顯卡驅動的環境 然後再安裝tensorflow (個人認爲應按按照這個順序)
首先查看本機上的Nvidia 顯卡型號 ：
sudo dpkg --list | grep nvidia-*
由於安裝cuda需要用到驅動程序中的代碼塊， 驅動安裝被內置爲cuda安裝的一部分，這樣就不會有cuda和驅動的兼容性問題， 自己安裝的驅動版本和cuda的版本不一定能兼容，建議首先卸掉自己本機上的驅動然後再安裝的cuda
卸載驅動程序命令：
sudo apt-get remove --purge nvidia-*
sudo apt-get autoremove
sudo apt-get install -f
sudo reboot
注意： 只有第一個命令 是卸載驅動，如果同時使用了第二個第三個命令，會將已經安裝的CUDA全部卸載，卸載完驅動程序之後需要重啓電腦使之生效，註銷也行
現在安裝cuda
https://developer.nvidia.com/cuda-toolkit-archive
進入Nvidia cuda-toolkit-archive 網站
挑選自己心儀的版本，最近剛出的CUDA-10.0 最新版本， 不推薦使用，因爲版本剛發佈，太新，很多其他的軟件包更新跟不上導致兼容性問題。
在挑選完自己心儀的版本之後
根據提示首先下載，然後後面依次 有4個命令，前三個都沒有問題在terminal 輸入
注意第四個命令：sudo apt-get install cuda
如果直接輸入這個命令無論選哪個版本的cuda 最後都會安裝最新的 cuda-10.0 版本
應該用： sudo apt-get install cuda-9-0 指定所要安裝的版本
等待系統自動安裝大概需要15分鐘左右， Ubuntu 會在/usr/local 目錄下新建兩個文件夾
一個cuda 一個 cuda-9.0 安裝完畢
然後將cuda路徑添加到環境變量中
首先cd 回到主目錄
gedit ~/.bashrc # 編輯 .bashrc 文件在後面添加兩行
$ export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
$ export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64\${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc # source 命令 使之生效
然後測試 cuda 安裝成功與否， 運行cuda 自帶的sample 成功的話會看到GPU 運算的煙花
$ cd /usr/local/cuda-8.0/samples/5_Simulations/nbody
$ sudo make
$ ./nbody
接下來安裝cudnn， 網上下載適合自己的兼容的版本 這裏我用的是cudnn-9.0 版本
$ tar -xzvf cudnn-8.0-linux-x64-v5.1.tgz
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
解壓，然後將相關文件添加到cuda文件夾中 ，至此tensorflow 所需要的文件環境就搭建起來了
中間的若干兼容性問題需要根據自己所有的版本型號進行搭配
現在安裝tensorflow 前面已經安裝python3.6 和 pip3
使用pip3 包管理器直接安裝tensorflow-gpu
pip3 install tensorflow-gpu
直接使用這個命令 出現permission denied 的問題
pip3 install tensorflow-gpu --user
解決
打開python import tensorflow 測試安裝是否正確，已經GPU能不能使用
Python 進入python3.6 的界面
import tensorflow 然後提示 導入錯誤
ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory
libcudnn.so.7是cudnn的文件， tensorflow-gpu 安裝成功 但是 與 cudnn 發生連接錯誤， 這裏需要重新建立連接
2.CUDNN連接建立
cd /usr/local/cuda/lib64
sudo rm -rf libcudnn.so libcudnn.so.7 #刪除原有版本號，版本號在cudnn/lib64中查詢
sudo ln -s libcudnn.so.7.0.5 libcudnn.so.7 #生成軟連接，注意自己下載的版本號
sudo ln -s libcudnn.so.7 libcudnn.so
sudo ldconfig #立即生效
測試 import tensorflow as tf 導入成功
接下來安裝Pycharm 跑個CNN
先在PyCharm官網下載安裝包 鏈接 ： https://www.jetbrains.com/pycharm/download/#section=linux
下載 ubuntu版本
然後解壓到當前文件夾
cd Downloads/pycharm-2017.1.4/bin
sh ./pycharm.sh
然後跳出來安裝界面，然後根據自己喜好配置
最後會出現這張圖，Create New Project 創建一個新項目
添加Python剛剛安裝好的python3.6解釋器 正常的話 就可以用GPU跑CNN了