最近新配置了一个新电脑，装上了GTX1070 Ti，在安装cuda 8.0 和tensorflow 1.2 ，趟了一点坑。在此记录下来，希望能给他们一些帮助。
1、安装 ubuntu 14.04
安装过程不赘述，当然，你也可以安装 16.04或者17.04.安装完成后，重启。如果显示的分辨率发生变化，并且还调整不了分辨率，不用担心，装好驱动就好了。
2、安装 NVIDIA 驱动
(1)一定先要卸载 nouveau 开源驱动。
打开终端，获得权限：sudo su
cd /etc
cd modprobe.d
touch blacklist-nouveau.conf (这是创建一个blacklist-nouveau.conf文件，接下来往里面 写入两行命令)
echo "blacklist nouveau" >>blacklist-nouveau.conf
echo "options nouveau modeset = 0" >>blacklist-nouveau.conf
更新一下 kernel:
sudo update-initramfs -u
此时，你可以去 /etc/modprobe.d 里面看看，是否存在blacklist-nouveau.conf ，里面是否有两条命令。如果有，执行下一步。
3、安装nvidia驱动
此处，网上一直有很多教程，说 ctrl +alt +F1 进入，然后 sudo service lightdm stop 等等，然后我这样安装两次，重装了两次系统，都以失败告终。
后来，我不用这种方式安装了，直接 ctrl + alt +T ，打开终端，利用 sudo apt-get install 命令安装，如下：
（sudo apt-get install nvi *）,注意：这不是安装命令，此时你按 tab 键，你会发现，显示出来好多驱动。我选择的是 367-dev。完整的命令如下：
sudo apt-get install nvidia-367-dev
其实，你选择什么版本的驱动，最后安装的都是 384 版本（可能随着时间的推移，发生版本升级）。不要怕，因为384版本是往下兼容的。你可以利用 nvidia-smi 查看显卡信息。应该显示的是 nvidia 384.没问题
重启！！你会发现，分辨率自动被调整过来了
4、安装 cuda 8.0 驱动
大家可以到我的 csdn 主页下载，免费的。链接：cuda 8.0
1）、先安装依赖项：
sudo apt-get install freeglut3-dev
sudo apt-get install build-essential
sudo apt-get install libx11-dev
sudo apt-get install libxmu-dev
sudo apt-get install libxi-dev
sudo apt-get install libglu1-mesa
sudo apt-get install libglu1-mesa-dev
2) 、切换到cuda_8.0.44_linux.run 的文件夹目录，运行：
sudo sh cuda_8.0.44_linux.run --override
3)、一直按 空格键，知道读完所有的协议
输入 accept
4)、此时，如果遇到安装 NVIDIA ....啥啥驱动，千万不要安装，输入 n 。其它选择都选 y ，对于路径选择，都直接 enter ，选择默认路径就可以了。
5）、将下面两行写到~/.bashrc文件中(sudo gedit ~/.bashrc)
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
6）目前已经安装成功。测试一下吧
切换到cuda_sample文件夹
cd ～/NVIDIA_CUDA-8.0_Samples
make
cd bin/x86_64/linux/release
./deviceQuery
注意：如果在 make 的时候，出现：can't find lnvcuvid。这是因为我安装的是 nvidia-384版本，但是，在NVIDIA_CUDA-8.0_Samples/common文件下的 findgllib.mk 里面，
UBUNTU_PKG_NAME = "nvidia-367"，改成：UBUNTU_PKG_NAME = "nvidia-384"即可，然后建立软连接：
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，即可解决
此时，如果显示一些显卡信息，就说明安装成功。提醒一下，你会发现驱动版本是 9.0而运行版本是 8.0，没关系，这是正常的，因为驱动版本是往下兼容的，只要运行版本是 8.0就行。
5、安装 cudnn 5.1
下载链接：cudnn 5.1.下载完成后，把里面的文件cudnn-8.0-linux-x64-v5.1.tgz提取出来，放入你的文件夹
切换到cudnn-8.0-linux-x64-v5.1.tgz 文件夹
tar xvzf cudnn-8.0-linux-x64-v5.1.tgz 解压
sudo cp cuda/include/cudnn.h /usr/local/cuda/include 复制头文件
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
如果想查看是否安装成功，可以使用命令查看：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
安装成功了
6、安装 Anaconda
Anaconda 是python计算库，可以更方便地使用 python 的各种库，省去了你需要手动安装很多 python 库的麻烦。建议安装支持 python 3.5的anaconda 3，不要去官网下载最新版本的支持 python 3.6 的Anaconda3, 因为tensorflow 1.2 不支持 python 3.6
anaconda3(linux 64位 python3.5 下载链接：https://repo.continuum.io/archive/Anaconda3-4.2.0-Linux-x86_64.sh)
下载完成，切换到 anaconda3 所在的目录，执行：bashAnaconda3-4.2.0-Linux-x86_64.sh 。一路都是选择 y ,回车。然后执行：source ~/.bashrc
然后，配置环境。因为ubuntu有自带的默认的python，我们需要指定系统默认python为anaconda3中的python。配置方法：
cd /etc/
sudo gedit environment
在PATH中添加 "/home/dh/anaconda3/bin"（按照原来的格式添加,其中，dh为我的用户名）
source environment
重启！！
7、安装tensorflow1.2
TensorFlow1.2(下载链接：/detail/jerryfy007/9923583)
首先执行下面两句，开启GPU加速
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
source ~/.bashrc
然后安装：
pip install tensorflow_gpu-1.2.1-cp35-cp35m-linux_x86_64.whl
重启！所有都安装完毕。
最终测试：
打开一个终端，输入
python
import tensorflow as tf
如果没问题，就说明安装没问题了
提示：如果不用源码编译安装，不会报错，但是，会输出很大一长串警告，看着让人心烦。如下：
-01-26 10:49:51.531171: W tensorflow/core/platform/:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
-01-26 10:49:51.531192: W tensorflow/core/platform/:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
-01-26 10:49:51.531195: W tensorflow/core/platform/:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
-01-26 10:49:51.531198: W tensorflow/core/platform/:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
-01-26 10:49:51.531201: W tensorflow/core/platform/:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.
-01-26 10:49:51.635173: I tensorflow/stream_executor/cuda/:893] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
-01-26 10:49:51.635399: I tensorflow/core/common_runtime/gpu/:940] Found device 0 with properties:
这一段是没有错误的，不用管。我们可以给出解决方案，通过命令禁止打印以上内容。在你所写的 .py 文件中，加入以下两句：
import os
os.environ["TF_CPP_MIN_LOG_LEVEL"]='3'
8、利用anaconda3 安装opencv3.2
安装之前，一定要安装 libgtk2.0-dev 和 pkg-config。运行：
sudo apt-get installlibgtk2.0-dev
sudo apt-get install pkg-config
不然，这是 opencv 必须依赖的！否则，运行 tensorflow 会显示没有窗口函数。如果出现这种情况，只能卸载opencv, 再重新安装了。
见链接：/kf/04/625323.html
