1. 安装显卡驱动

安装显卡驱动网上有各种各样的方法，甚至有的还需要更改一些配置文件切换到命令行终端模式进行操作，然而就我多次安装驱动的经验来看，我从来没有这么费劲过。在 Ubuntu 系统中的 System Settings -> Software & Updates -> Additional Drivers 安装相应的显卡和CPU驱动，重启后在 System Settings -> Details 中可以看到自己的显卡型号则说明驱动已经安装成功，此时在命令行下输入 nvidia-smi 也可以看到显卡的相关信息。

2. 安装 CUDA

到 CUDA 官网下载合适版本的 runfile 文件(强烈推荐)，然后在终端运行 sudo sh cuda_filename.run，除了在询问你是否要安装驱动的时候选择 No(上面已安装过)，其他都可以选择 Yes。
在家目录打开终端运行 sudo gedit .bashrc，在文件末尾添加相应的路径。

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PA

终端运行 source .bashrc
终端运行 nvcc -V ，出现相关 CUDA 版本信息说明安装。

3. 安装 CUDNN

解压对应版本的 CUDNN 压缩包，复制相应文件到相关路径。

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*

4. 安装 Python 依赖库和 TensorFlow

由于 Ubuntu 默认的 Python 版本是 2.7，若更改了系统默认的 Python 版本，安装软件时可能会遇到一些依赖问题，而现在主流 Python 都是 3.x 版本的，因此为了使用 Python3 同时又不改变系统默认 Python 版本采用 pip 安装比较好。

sudo apt-get install python3-pip
sudo pip3 install numpy,jupyter,matplotlib
sudo pip3 install tensorflow-gpu
安装速度慢的可以尝试一下国内的豆瓣源
sudo pip3 install -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com numpy(等 python 库)