总体流程

1. 安装Ubuntu16.04及显卡驱动

2. 安装CUDA8.0、CUDNN6.0、Anaconda3

3. 安装pytorch，安装tensorflow，安装opencv3，配置pycharm

安装Ubuntu16.04及显卡驱动

安装ubuntu16.04系统就不详细解释，网上有相关教程，可以点这里，建议选择语言为英文。
这里详细说明显卡驱动安装流程：
安装显卡驱动的大致流程为：进入命令行终端 –> 禁用lightdm桌面服务 –> 安装驱动 –> 启用lightdm桌面服务 –> 重启进入BIOS关闭secure boot –> 重启电脑
最重要的步骤为：重启进入BIOS关闭secure boot，此步若不操作，驱动将不会起效！
1. ubuntu系统安装完毕后，启动时会进入X桌面，可以用U盘将所有提前下载好的驱动、CUDA安装文件、CUDNN安装文件、anaconda3安装包等等文件拷贝到电脑中。
2. 禁用nouveau驱动。ubuntu默认使用自带的nouveau驱动，在安装NVIDIA驱动前，要先禁止nouveau驱动。

禁用nouveau驱动

3. 添加ppa库，通过ppa安装显卡驱动，注意不要从NVIDIA官网下载显卡驱动，直接通过ppa安装即可：

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

sudo apt-get install nvidia-396

可根据ppa显卡驱动的网址来查看最新显卡驱动的安装序号，我安装的此时最新的nvidia-396。
若要测试是否安装成功，此时输入nvidia-smi会提示无此命令，驱动没有安装好。这个提示是正常的，因为我们实际上还没正式在BIOS禁用secure boot，现在先可以忽略这个警告。

禁用Secure Boot

ubuntu16.04有个重要的特性，就是如果需要安装第三方显卡驱动（NVIDIA的就是第三方显卡驱动），就必须在BIOS中禁用“安全启动”模式（secure boot），否则第三方显卡驱动将无法被启动！
输入sudo reboot重启电脑，电脑重启的那一刻，按下F2或者DEL键进入华硕的BIOS，这里只以华硕X99-E WS主板为例，其它主板请参考各自进入BIOS的方式。
1. 进入BIOS，点击BOOT（启动）菜单栏，往下选择“Secure Boot”：

2. 进入Secure Boot界面后，光标移动至“OS type”，选择为“Other OS”：

然后点击“Key Management”，进入界面。
3. 选择“Clear Secure Root Keys”，删除安全启动密钥，删除后就能禁止secure boot。

按下yes或comfirm，确认删除：

4. 按下F10，确认保存设置并重启电脑：

成功禁用secure boot之后，重启就能回到X桌面，Ctrl + Alt + T，调出命令行，输入nvidia-smi就能看见驱动信息：

恭喜你！已经成功安装显卡驱动。

安装Anaconda3、CUDA8.0、cudnn6.0、opencv3

安装anaconda3

首先点击这里，选择Python3.6-64-Bit (x86) Installer (551 MB) 。
然后cd进Anaconda3-5.0.1-Linux-x86_64.sh的下载的目录下。

chmod +x Anaconda3-5.0.1-Linux-x86_64.sh

./Anaconda3-5.0.1-Linux-x86_64.sh

然后一路yes到底，确认操作即可。
然后配置环境变量，命令行输入sudo vi ~/.bashrc
在底部插入以下这一句：export PATH=/home/ubuntu/anaconda3/bin:$PATH
然后按ESC，shift+zz/ZZ退出vim
然后输入：source ~/.bashrc，使其生效
然后可以输入：conda list python查看python版本

安装CUDA8.0

首先点击这里，选择Linux-x86_64-Ubuntu-16.04-runfile(local)进行下载。
然后cd进cuda的下载的目录下。
输入：sudo sh cuda_8.0.61_375.26_linux.run进行CUDA安装。
安装过程中会提示你进行一些确认操作，首先是接受服务条款，输入accept确认，然请注意，当询问是否安装附带的驱动时，一定要选N！我们在第一部分已经安装好最新的驱动，附带的驱动是旧版本的而且会有问题，所以不要选择安装驱动。然后会提示是否安装cuda tookit、cuda-example等，均输入Y进行确定。
然后利用CUDA-samples进行测试。

最后是配置环境变量，此步很重要，不配置环境变量系统将无法知道CUDA是否被安装：
先输入：cd ~
然后输入：sudo gedit /etc/profile，在底部插入以下两句话：

export PATH=/usr/local/cuda-8.0/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

保存退出，最后输入：source /etc/profile，使设置生效。

安装cudnn6.0

CUDNN是NVIDIA用于加速深度学习的模块，装完CUDA之后就要装这个，首先点击这里，然后注册，登陆，填写调查问卷，然后选择Download cuDNN v6.0 (April 27,2017),for CUDA 8.0-cuDNN v6.0 Library for Linux进行下载。
然后cd进cudnn的下载的目录下，输入：

tar -xzf cudnn-8.0-linux-x64-v5.1.tgz

cd cuda

sudo cp lib64/* /usr/local/cuda/lib64/

sudo cp include/* /usr/local/cuda/include/

CUDNN就这样安装完毕。

安装pytorch，安装tensorflow，安装opencv，配置pycharm

安装pytorch

输入：conda install pytorch torchvision cuda80 -c pytorch即可。
我安装的版本为pytorch-0.3.1，torchvision-0.2.0。
随着提示，输入’y’，即安装成功。

安装tensorflow-gpu

tensorflow官网的安装中写了cuda_command_tools的安装，但是在安装cuda的时候，这个应该是被遗弃安装进来了，所以并不需要按照他给丁的方法进行安装，直接将环境写入路径即可：sudo gedit /etc/profile在最后写入：
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH:+${LD_LIBRARY_PATH}:}/usr/local/cuda/extras/CUPTI/lib64
先检查pip是否是anaconda的pip：pip -V
然后安装tensorflow-gpu：pip install tensorflow-gpu

安装opencv3.3.1

输入：pip install opencv-python，然后按要求看是否要更新pip，若需要更新则输入：
pip install --upgrade pip
即安装成功。

配置pycharm

首先点击这里，选择coummunity社区免费版本，下载。
然后cd进pycharm的下载目录下，输入：

tar -xzf pycharm-community-2018.1.1.tar.gz

cd pycharm-community-2018.1.1/bin

sh ./pycharm.sh

如果需要保留原来版本的配置，则选择第一个，否则选择第二个，这里我选择第二个。 然后将说明翻到最下面，选择Accept。 安装完成后，会弹出PyCharm Initial Configuration框，PyCharm初始化配置。 Keymap scheme：键盘方案，选择Eclipse，意思是设置Pycharm为Eclipse快捷键 ide theme：皮肤主题，默认Intellij。可根据自己喜欢选其他的 Editor colors and fonts：编辑器的主题，可以点击下面的“Click to hide preview”进行预览，我这里选择的是 Darcula 然后下面的Create desktop entry 默认打勾就行了 最后点击OK，完成设置，这样pycharm就安装好了。然后就是配置pycharm 1. 点击File-Default Settings-Project Interpreter 2. 选择Project Interpreter最右边的设置，选择Add..，选择System interpreter，右边的路径选择anaconda3/bin/python3.6，选择OK 3. 选择绿标“+”号，搜索pytorch，然后出现pytorch-gpu，选择Install Package 4. 搜索opencv，然后出现opencv，选择Install Package 5. 搜索tensor flow，然后出现tensorflow-gpu，选择Install Package 至此，全部结束，happy start!