在做深度学习之前，配环境时遇到了很多坑，各种各样的问题，在此记录一下，也为大家提供一种有效的方案。
一，准备工作
首先检查自己的电脑有没有相关的GPU：
sudo lshw -numeric -C display
之后有一步非常关键，便是安装相关显卡驱动，注意是在官网上的显卡驱动！虽然说CUDA里面也有相关的驱动，但是会出现各种各样的错误，所以还是推荐自己安装。
二，安装CUDA8
CUDA我选择的是8的版本。下载完之后，执行：
sudo sh cuda_8.0.44_linux.run --override
之后会进入安装界面，可以CTRL+C跳过，但是记住Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 367.48? 要选择n，我们采用自己安装的驱动，不采用CUDA内置的驱动
注意：一定要选择runfile版本，不然会出现很多麻烦的事情。
这里面我也遇到了几个坑，尤其是版本对应问题，目前tensorflow不支持CUDA9，因此安装相关的CUDA和Cudnn会出现下列错误：
ImportError: libcudart.so.9.0: cannot open shared object file: No such file or directory
因此还是推荐大家安装CUDA8。之后遇到的一个问题便是CUDA和Cudnn版本的对应问题，CUDA8有两个版本：一个是16年的，一个是17年的，这时候注意，16年对应的Cudnn的版本是Cudnn6，而17年的对应的Cudnn7，不然也会出现上述类似的错误。
配置环境变量
首先输入：
vim ~/.bashrc
或者
vim /etc/profile
在里面写入下列CUDA环境变量
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
之后输入
nvidia-smi
出现对应GPU项，便说明安装成功。
三，Cudnn配置
注意版本！注意版本！！注意版本！！！
这个是这里面唯一的坑～我选择的是6.1的版本
下载好相应的cudnn，进入所在目录中，输入下列指令就可以了：
tar xvzf cudnn-8.0-linux-x64-v6.1.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*
四，安装tensorflow-gpu
运行下面指令安装tensorflow
sudo pip install tensorflow-gpu
如果出现
o distributions at all found for tensorflow-gpu Storing debug log for failure in /home/zhouwan/.pip/pip.log
说明pip需要更新，执行下面指令即可
sudo pip install -U pip #更新pip
