硬件平台：笔记本
处理器：I7
显卡：GTX960
系统：Ubuntu18.04 64位
步骤1、安装CUDA（无显卡不必安装）
去NVIDIA官网：CUDA Toolkit Archive 下载CUDA：CUDA Toolkit 10.0
下载完成后，在命令行中键入：sudo sh cuda_10.0.130_410.48_linux.run 进行安装，按照下图进行安装步骤设置。
会提示：
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 10.0 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
sudo <CudaInstaller>.run -silent -driver
这是因为我们在安装CUDA的时候没有选择安装驱动，提示需要安装驱动，忽略就行。
-------------------------------------------------------------------------------------------------------------
接着，添加环境变量 sudo vim /etc/profile
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64
export PATH=$PATH:/usr/local/cuda-10.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0
保存并退出，然后测试是否安装成功
source /etc/profile
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
至此，CUDA安装成功。
步骤2、安装CUDNN
在官网下载安装包，需要注册登录才能下载。选择适合自己的版本
/rdp/cudnn-download
下载 cuDNN Library for Linux版本，解压得到如下
执行下面命令配置cuDNN
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
在终端查看cdDNN版本，输入如下命令
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
得到
至此，cuDNN安装完成。
但是，最好验证一下:
输入命令:nvidia-settings
弹出如下界面
输入：nvidia-smi获取GPU列表
检验完成。
步骤3、安装Anaconda3，通过清华源下载，步骤很简单，可以百度，然后，进行安装
bash Anaconda3-5.0.0.1-Linux-x86_64.sh
同样的，添加 export PATH=/home/你的路径/anaconda3/bin:$PATH环境变量。
步骤4、安装tensorflow-gpu
创建tensorflow运行环境：
conda create -n tensorflow python=3.7
激活环境,使用 pip 安装 TensorFlow-GPU
source activate tensorflow
python
pip install tensorflow-gpu keras
安装完成后，验证：输入 python -c "import keras"。
步骤5、安装pycharm
官网：/pycharm/download/#section=linux
下载pycharm communit版本
下载解压后 进入bin目录,运行./pycharm.sh
进入 pycharm界面，在file目录中，点击setting，然后按照如下图设置python环境
,随后，建立test.py文件，输入：
import tensorflow as tf
hello = tf.constant('hello,tensorf')
sess = tf.Session()
print(sess.run(hello))
最后输出如下：
至此，整个tensorflow gpu环境搭建完成！！
