安装教程
https://blog.csdn.net/fu6543210/article/details/79758234
tensorflow 版本网站
https://tensorflow.google.cn/install/install_linux#NVIDIARequirements
卸载原来的驱动
sudo apt-get update
sudo apt-get autoremove --purge nvidia*
sudo reboot
sudo apt-get update
安装驱动
ubuntu-drivers devices
查看你的gpu适合的驱动
方法1：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-390
(版本查看：https://www.nvidia.cn/Download/index.aspx?lang=cn)
方法2：
在官网上下载对应的NVIDIA版本
复制到/home/root目录下
sudo cp NVIDIA-Linux-x86_64-410.73.run /home/root/NVIDIA.run
切换 ctl+alt+F2
sudo service lighomt stop
sudo chom 755 NIVIDIA.run(NVIDIA没有操作权限，加个操作权限)
sudo ./NVIDIA.run
sudo service lighomt start
sudo apt-get update
(不要 sudo apt-get upgrade )
sudo reboot
安装cuda8.0
在官网下载对应版本
sudo sh cuda_8.0.44_linux.run --no-opengl
（避免循环登录）
改路径
sudo vim /etc/profile
打开文件后在文件末尾添加路径，也就是安装目录，命令如下：
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH
查看是否安装成功
nvcc --version
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
安装cudnn7.0
在官网上下载cudnn的安装包
tar -xzvf 安装包
进入解压出来打cuda目录下
sudo cp lib64/lib* /usr/local/cuda/lib64/
sudo cp include/cudnn.h /usr/local/cuda/include/
cd /usr/local/cuda/lib64 进入目录
sudo chmod +r libcudnn.so.7.3.1 给文件全部添加权限
手动建立链接
sudo ln -sf libcudnn.so.7.3.1 libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so
sudo ldconfig
安装anaconda
在这里找到自己要下载的版本：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
anaconda3.4.4_linux_x86_64.sh
到下载的目录
bash 安装包
一路默认，最后yes
source ~/.bashrc
测试是否安装成功
conda --version
看到版本号是安装成功
创建环境
conda create -n tensorflow Python=2.7（如果是3.5版本就改成3.5）
激活环境
source activate tensorflow
关闭环境
source deactivate
在激活的环境下安装tensorflow
在虚拟环境下要重新安装pip3 不然pip没有办法正常在虚拟环境下使用
conda install python-pip
pip install --upgrade pip
tensorflow 1.7.0以上版本pip 版本都要大于8.0
pip install --ignore-installed 官方版本给的地址
安装opencv(cv2)
pip install opencv-python
安装keras
pip install keras
安装imgaug
pip install imgaug
安装cython
conda install cython
安装 ipython
pip install ipython
可以运行MASK_RCNN下samples 下的demo测试环境是否搭建成功
删除环境
source deactivate
conda remove -n tensorflow(环境名) --all
