一、设备是否支持
在终端中输入： $ lspci | grep -i nvidia ，会显示自己的NVIDIA GPU版本信息
二、禁用nouveau
终端中运行：$ lsmod | grep nouveau，如果有输出则代表nouveau正在加载。
三、运行cuda.run 文件
会出现依赖错误：
sudo apt-get install freeglut3-dev build-essential libx11-dev
sudo apt-get install libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa
sudo apt-get install libglu1-mesa-dev
把InstallUtils.pm 文件复制到
/usr/lib/x86_64-linux-gnu/perl-base/ 文件夹中
重新运行安装文件，添加参数
./cuda.run --override --toolkitpath=/home/XXX/local/cuda-8.0
安装过程中不安装英伟达驱动，不创建软链接，其余默认yes。
安装成功
在.bashrc文件尾部中添加：
export PATH=/home/solar/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/home/solar/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
终端输入 nvidia-smi 检测是否成功
解压cudnn.tgz文件,
sudo cp cudnn.h /home/solar/local/cuda-8.0/include/
sudo cp lib* /home/solar/local/cuda-8.0/lib64/
安装anaconda
直接运行.sh文件，安装成功
输入 conda info -e 查看是否安装成功
添加源：
conda config --add channels 'http://mirrors.ustc.edu.cn/anaconda/pkgs/free/'
conda config --set show_channel_urls yes
PS：服务器没办法解析域名 ，创建环境的时候总是提示网络错误。。。
修改resolv.conf
添加nameserver 8.8.8.8
或者nameuser 114.114.114.114
创建新的conda环境：
conda create -n transorflow python=python3.6
使用新的环境：
source activate tensorflow
然后：
pip install tensorflow_XX.whl
完成后进入python
输入
import tensorflow as tf
hello=tf.constant('hello,Tensorflow')
sess=tf.Session()
print sess.run(hello)
输出 hello,Tensorflow则成功
