1. CUDA Toolkit的安裝 到https://developer.nvidia.com/cuda-gpus查詢GPU支持的CUDA版本： 到https://developer.nvidia.com/cuda-downloads，根據操作系統選擇下載相應的CUDA Toolkit版本，下載的 ...
1. CUDA Toolkit的安裝
到https://developer.nvidia.com/cuda-gpus查詢GPU支持的CUDA版本：
到https://developer.nvidia.com/cuda-downloads，根據操作系統選擇下載相應的CUDA Toolkit版本，下載的是一個.run文件，下載完成後以root用戶直接運行該文件安裝。
安裝結束以後。運行：
nvidia-smi
如果列出了GPU狀態信息，表明安裝成功：
2. cuDNN的安裝
TensorFlow對神經網路的加速通過cuDNN庫實現，所以首先去https://developer.nvidia.com/rdp/cudnn-archive，根據CUDA的版本下載相應版本的cuDNN，也是一個.run文件，下載完成後直接運行。
3. TensorFlow的安裝
為了在安裝過程中不出現版本衝突等問題，建議先安裝Anoconda。到https://www.anaconda.com/download/#linux下載後，運行.sh文件安裝。
然後使用下麵的命令安裝TensorFlow：
conda create -n tensorflow python=2.7
source activate tensorflow
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl
pip install --ignore-installed --upgrade $TF_BINARY_URL
依次輸入：
source activate tensorflow
python
import tensorflow as tf
import pandas as pd
tf.__version__
如果沒有報錯，則表明安裝成功：
