TensorFlow-gpu1.8.0
1、首先是安装python3.6.5
ubuntu16.04安装python3.6.5遇到的一些坑的记录。一定要把前一篇博客最后提到的gdbm按照介绍的方法配置好，不然安装cuda的时候会报错，还要配置。
注：如果直接用系统自带的python3.5.2可能不会有这么多坑，我没试过。。
2、GTX750ti显卡驱动的安装（其它型号方法一样，只需下载对应型号的安装包即可）
先打开 关于这台计算机 看一下现在的显卡驱动：
先去官网下载对应显卡型号的驱动，官网地址：https://www.nvidia.cn/Download/index.aspx?lang=cn，我直接下载750ti的驱动，如图所示：
点击搜索，然后下载，750ti的显卡驱动为：NVIDIA-Linux-x86_64-390.67.run
接下来先禁用系统自带的显卡驱动：
blacklist nouveau options nouveau modeset=0更新更改：
sudo update-initramfs -u进入“关于这台计算机”查看如下图所示则为禁用成功（只要不再是NV117就意味着禁用成功）：
停止 X-windows服务（如果你是遵照我的博客，到这一步，请你在其他显示设备上打开本博客，因为下面将要关掉桌面，你讲进入命令行模式）：
sudo service lightdm stop此时，桌面已被关掉，按ctrl + ALT +F1进入终端，进入刚下载的显卡驱动的目录，然后执行安装命令：
sudo sh NVIDIA-Linux-x86_64-390.67.run按照提示一路安装，安装成功后，执行下面命令返回桌面：
sudo service lightdm restart下面再次打开“关于这台计算机”，查看，如果如下图所示，则为安装成功（如果不如下图所示，先注销 / 重启下，再打开看看是否安装成功）：
3、安装cuda-9.0
官网下载cuda-9.0的安装包，如图所示：
runfile包含的比较全，包含了显卡驱动，deb（local）应该是不包含显卡驱动的。
下载安装包：cuda_9.0.176_384.81_linux.run。
进入到下载目录，执行下面的安装命令：
sudo sh cuda_9.0.176_384.81_linux.run一大段文字一路回车下去到最后，然后问你：
Do you accept the previously read EULA? 选择yes Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81? 因为已经安装过显卡驱动了,所以选择no Install the CUDA 9.0 Toolkit? 选择yes Enter Toolkit Location 直接回车默认 [ default is /usr/local/cuda-9.0 ]: 直接回车默认即可 Do you want to install a symbolic link at /usr/local/cuda? 选择yes Install the CUDA 9.0 Samples? 问你是否安装样例，安装了吧，也占不了多少空间 Installing the CUDA Toolkit in /usr/local/cuda-9.0 ... 等待安装完成即可你看到的是貌似提示incomplete installed，这是因为待会要把cuDNN压缩包里面的东西放入安装目录下，马上就会介绍怎么放。
下面是配置下环境，打开.bashrc文件：
sudo gedit ~/.bashrc在打开的文件里最后添加下面两句：
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}使配置的环境生效：
sudo source ~/.bashrc
接下来去官网（如果没有账号的话，要注册一个账号并填写下问卷）下载cuDNN7.05，如下图所示：
然后解压压缩包：cudnn-9.0-linux-x64-v7.tgz
然后把cuDNN里面的一些文件拷贝到刚安装好的cuda-9.0的安装目录下，并且设置权限。命令为：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*可以用nvcc -V命令来查看是否安装成功：
4、安装GPU版TensorFlow-1.8.0
安装TensorFlow倒也简单，只需一条命令即可：
sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu这里用了清华的镜像，不然由于众所周知的原因，可能会安装的相当慢。。
下面再pycharm中写一段代码测试一波：
import tensorflow as tf a = tf.constant(1) b = tf.constant(2) c = tf.add(a,b) with tf.Session() as sess: print(sess.run(c))恶心的事发生了，直接报错，如下：
而在终端中执行，竟然是完全正确的：
经过查资料，基本可以认为是pycharm的一个bug，需要在pycharm中打开run->edit configurations->environment vairables添加
LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH如下图所示：
配置好如图所示：
再次运行，perfect：
以上就是在ubuntu16.04+gtx750ti+python3.6.5配置cuda-9.0+cuDNN7.05+TensorFlow-gpu1.8.0的详细过程，我踩了无数的坑，仅此记录下来，希望能大家避免这些坑。