1、安装GPU驱动
确认Ubuntu上安装的Nvidia的GPU的系列，主要有TITAN, Tesla, Geforce等等，然后到Nvidia官网上下载响应的驱动。
官网链接（https://www.nvidia.com/Download/index.aspx?lang=en-us）
如下图1所示，选择对应的型号，操作系统类型和产品类型，点击搜索，然后点击下载。
下载得到一个执行文件，我的事p40系列对应的是：NVIDIA-Linux-x86_64-410.72.run
执行: chmod +x NVIDIA-Linux-x86_64-410.72.run
sh NVIDIA-Linux-x86_64-410.72.run
如果安装成果在命令行执行：nvidia-smi会出现一下图2信息
2、安装CUDA9.0
首先在官网上(https://developer.nvidia.com/cuda-downloads)下载CUDA
下载完成后执行以下命令：
sudo sh cuda_xxxx_linux.run
环境变量配置 打开~/.bashrc文件：
将以下内容写入到~/.bashrc尾部：
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}}
在终端执行命令
source ~/.bashrc
让配置立即生效
3、安装CUDNN
cuDNN是GPU加速计算深层神经网络的库。 首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN,可能需要注册一个账号才能下载。
下载后解压执行一下操作：
$cd folder/extracted/contents
$ sudo cp -P include/cudnn.h /usr/include
$ sudo cp -P lib64/libcudnn* /usr/lib/x86_64-linux-gnu/
$ sudo chmod a+r /usr/lib/x86_64-linux-gnu/libcudnn*
4、安装Tensorflow-GPU
首先确保安装python3 pip3等组件
执行：sudo pip3 install tensorflow-gpu
5、测试是否安装成功
执行python3
进入python命令行，执行：
import tensorflow as tf
没有报错信息就表明执行成功
执行一下例子：
matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1, matrix2)
sess = tf.Session()
如果看到类似图3的信息表示已经使用上GPU了
结束！
