官网指南：https://www.tensorflow.org/install/install_linux（被墙）

中文翻译：http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html（安装顺序有点乱）

step1：检测GPU版本

通过“lspci | grep -i nvidia”命令查看nvidia芯片版本，前往nvidia官网核对其GPU是否支持CUDA以及其查看其计算能力（http://developer.nvidia.com/cuda-gpus），TensorFlow要求GPU的计算能力大于3.0，否则弃坑装CPU版本吧。

注：在安装的时候就需注意其对SSE4.1、SSE4.2、AVX等协议的支持，有助于提升cpu计算速率

step2：根据CUDA官网指南安装CUDA8.0(http://docs.nvidia.com/cuda/cuda-installation-guide-linux/#axzz4VZnqTJ2A）

注1：先检查nvidia驱动版本，如果版本较低，注意一定千万必须要卸载驱动，以避免后面各种奇怪的兼容性问题

注2：安装完成后，需要将cuda路径添加到环境变量，而sudo gedit /etc/profile比sudo gedit /etc/environment好使

注3：可通过“nvcc -V”验证cuda是否安装成功

step3：下载cuDNN并安装

下载地址：https://developer.nvidia.com/rdp/cudnn-download

安装步骤：

$sudo apt-get update

$tar xvzf cudnn-8.0-linux-x64-v5.1.tgz

$sudo cp cudnn-8.0-linux-x64-v5.1/cudnn.h /usr/local/cuda/include

$suda cp cudnn-8.0-linux-x64-v5.1/libcudnn* /usr/local/cuda/lib64

$sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

注：验证cuDNN是否安装成功的方法

$tar -zxvf cudnn-sample-v2.tgz

$cd cudnn-sample-v2

$make

$./mnistCUDNN

显示GCC等信息则说明cuDNN安装成功

step4：安装TensorFlow

如果python的py_unicode_size=4（验证方法：在Python里import sys——>print sys.maxunicode，若结果为1114111则说明ucs=4）且可以翻墙，那么可以选择二进制安装。我采用的是源码安装方式。

step4.1：安装bazel

下载地址：https://github.com/bazelbuild/bazel/releases

注：虽然bazel已经更新到了0.4.5版本，但是我选择了bazel-0.4.2-installer-linux-x86_64.sh，因为安装0.4.5版本（我选择了源码编译）需要安装protoc，尝试之后弃坑。

安装步骤：

$chomd +X bazel-0.4.2-installer-linux-x86_64.sh

$./bazel-0.4.2-installer-linux-x86_64.sh --user

注1：安装完成之后，用户权限为当前用户

注2：和cuda一样，需要将其路径添加到环境变量

step4.2：安装其他依赖库

$sudo apt-get install python-numpy swig python-dev python-wheel

$sudo apt-get update

注：因为曾经尝试二进制安装，而二进制安装TensorFlow要求numpy版本大于或等于1.11，所以我的numpy版本已经更新为最新的1.12.1版本,但是该版本无法通过apt-get或者pip直接安装，需手动安装。尚不明确源码安装对于numpy版本的要求，但需要注意一下。

step4.3：安装TensorFlow

注：根据官网指示会安装最新的TensorFlow版本，但该版本尚不稳定，并未安装成功，此处选择的TensorFlow1.0.1版本是GitHub中提交更改RELEASE.md的版本。（如何在GitHub上选择合适的版本是门技术活，之前选择了另一版的TensorFlow，但是因为代码中莫名其妙更改了环境变量，所以一直没能安装成功）

下载地址：https://github.com/tensorflow/tensorflow/commit/4e67919cb6f53fb4d66ccfdae4705d6789c03c4a

安装步骤：

进入TensorFlow源码的根路径

$./configure

注1：如果不需要，则选择无需支持openCL，否则后面的ComputeCPP for SYCL1.2会让人头疼。其他选项同理。

注2：每更改一次环境变量，则需重新运行./configure

$bazel build -c opt --copt=-mavx --copt=-msse4.1 --copt=-msse4.2 --config=cuda -k //tensorflow/cc:tutorials_example_trainer

$bazel-bin/tensorflow/cc/tutorial_example_trainer --usr_gpu

$bazel build -c opt --copt=-mavx --copt=-msse4.1 --copt=-msse4.2 --config=cuda -k //tensorflow/tools/pip_package:build_pip_package

$bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

$pip install /tmp/tensorflow_pkg/tensorflow-1.0.1-cp27-none-linux_x86_64.whl

$python

$import tensorflow

测试通过即可。

注1：第一次bazel编译的只是测试用例，第二次bazel编译的时候一定也要记得加上配置信息

注2：--copt=-m？一定得是你自己电脑已内置的协议，无需跟这里一样，否则测试不通过