GPU card with CUDA Compute Capability 3.0 or higher.

1、下载cuda_8.0.61_375.26_linux.run后放入soft文件夹，建立local文件夹（cuda安装路径）

2、运行“sh cuda_8.0.61_375.26_linux.run”，

3、在ubuntu系统中已经有显卡驱动时（利用nvidia-smi命令检测），跳过第一步显卡驱动安装，直接到cuda tools安装。为了省时间，然后跳过cuda sample安装。

4、该命令结束后，添加该安装相关路径到用户环境内：

打开./.bashrc文件，下面加上

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

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

然后运行source ~/.bashrc，使之生效

运行nvcc -V可以测试安装是否成功

注意：

如果安装系统环境下需要添加local/cuda-8.0/lib64到/etc/ld.so.conf，然后运行ldconfig使之生效。

至此cuda本地安装成功。

5、本地安装cudnn

实际cudnn是特别用于神经网络的加速库，依然依托于cuda tools平台。安装过程就是复制cudnn头文件到cuda的include路径，复制库文件(.so)到cuda的lib64路径。

cp cuDNN/cuda/include/cudnn.h local/cuda/include/

cp cuDNN/cuda/lib64/* /usr/local/cuda/lib64/

cd local/cuda/lib64/

可能需要删除原cudnn库
sudo rm -rf libcudnn.so libcudnn.so.X.X（都是软连接）

然后修改文件权限，并创建新的软连接

由于我所用tensorflow-gpu依赖cuDNN6.0,所以安装的cuDNN6.0

更改库文件权限：

ln -s libcudnn.so.6.0.20 libcudnn.so.6.0
6.0 libcudnn.so

6、tensorflow-gpu在线安装

$ pip install tensorflow-gpu  # Python 2.7;  GPU support
$ pip3 install tensorflow-gpu # Python 3.n; GPU support 

http://www.linuxidc.com/Linux/2015-04/116445.htm

http://blog.csdn.net/masa_fish/article/details/51882183

http://blog.csdn.net/t5131828/article/details/53258925

http://blog.csdn.net/a1154761720/article/details/52302595

http://www.linuxidc.com/Linux/2016-12/138906.htm

http://blog.csdn.net/u013645510/article/details/53448806