一.安装显卡驱动

网上提到很多的方法，比如在文本界面安装显卡下载好的显卡驱动，甚至还列出了这些方法中遇到的问题的解决办法。但是尝试过之后，才知道有多操蛋。
在试错很多遍之后最终我们选择了最简单也是最稳定的办法，利用ubuntu16.04的系统设置里面的附加驱动来安装显卡驱动，实测没有任何的问题出现，而且安装操作极其简单。（别人给你会出现问题的方法并且给出解决办法，而我的方法根本不会出现问题，选哪个？）
点击系统设置—>（系统）软件和更新—>附加驱动

如图所示，选择一个你想安装的驱动版本，我选择的是384.130。点击应用更改之后需要稍作等待，时间可能在十分钟左右，取决于网速。

注意这里并不是说你想安装哪个版本的显卡驱动都可以的，显卡驱动的版本和之后要安装的cuda的版本是有匹配要求的：
如果你安装了错误的显卡驱动版本，直接换一个就好，不满足上述要求，会导致你无法正常使用GPU进行计算。可以看到Driver verison 384.130+cuda 8.0.61 是符合要求的。
重新启动机器之后终端在在里输入 nividia-smi可以看到显卡信息：

至此，第一步完成，显卡驱动安装完毕。测试成功，（上面的显卡信息有很多都不支持，应该我的显卡比较垃圾，驱动并没有问题的）

二.安装cuda8.0.61

首先自己去下载好这个安装文件，我下载的是.deb格式的安装包。（下载地址：https://developer.nvidia.com/cuda-80-ga2-download-archive）
然后在.deb安装包所在的文件夹中打开终端，按顺序执行以下命令（当然你也可以打开终端再切换到这个文件夹）：

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

执行完之后就安装完成了。
添加环境变量：

测试：
终端中输入nvcc -V,即可查看cuda的版本了。

cuda安装完毕。

三.安装cuDNN v6.0

1.下载

先下载文件，我下载的是压缩包
选择cuDNN v6.0 Library for Linux 下载好之后的文件名为 cudnn-8.0-linux-x64-v6.0.tgz

2.安装

在终端中切换到文件所在的目录下，按顺序敲如下命令

tar xvzf cudnn-8.0-linux-x64-v6.0.tgz
cd cuda
sudo cp include/cudnn.h /usr/local/cuda/include
sudo cp lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

敲完之后就安装完成了，实际上这里只是复制一些文件到另一个目录下，并修改一些权限罢了。

四.安装tensorflow_gpu 1.4.1

这里呢首先要注意的还是一个版本问题，tensorflow_gpu的版本，和cuda的版本是有匹配要求的，版本不对应，也无法使用。具体的信息请参照：https://blog.csdn.net/omodao1/article/details/83241074
打开终端，切换到你需要安装gpu版本tensorflow的python环境中，例如我的是python27，输入：

pip install tensorglow_gpu==1.4.1

等待安装完成即可。

安装完成之后你就可以找一个tensorflow的程序测试以下看看是不是可以使用gpu加速了，在跑程序的时候用nvidia-smi看一下显存使用情况应该就能知道，当然也可以采用其他方法。

五.总结

在整个过程中，最麻烦的问题就是版本的对应问题，所以这个教程，直接把现成的经过测试的版本搭配给你，只需要照着安装就可以，当然，如果你想安装自己的版本也没有问题，总体安装流程还是可以参考这个教程的。

最后

以上就是儒雅钢笔最近收集整理的关于Ubuntu16.04配置深度学习GPU环境:cuda8.0.61+cudnn v6.0 for linux+TensorFlow-gpu 1.4.1教程一.安装显卡驱动二.安装cuda8.0.61三.安装cuDNN v6.0四.安装tensorflow_gpu 1.4.1五.总结的全部内容，更多相关Ubuntu16.04配置深度学习GPU环境:cuda8.0.61+cudnn内容请搜索靠谱客的其他文章。