Python3.7 源码下载：
https://www.python.org/downloads/release/python-370/
解压源码：
tar -zxvf Python-3.7.0.tgz -C ~
安装源码编译所需的各种依赖库：（Ubuntu16.04环境下）
sudo apt-get install zlib1g-dev libbz2-dev libssl-dev libncurses5-dev libsqlite3-dev libreadline-dev tk-dev libgdbm-dev libdb-dev libpcap-dev xz-utils libexpat1-dev liblzma-dev libffi-dev libc6-dev
配置安装位置 配置优化：
./configure --prefix=/opt/python3.7 --enable-optimizations
编译：
make -j 4
安装：
sudo make install
也或者编译、安装一起：
sudo make && make install
安装成功：
独立的Python环境安装好以后，我们需要安装相应的计算库：
sudo ./pip3 install mkl
sudo ./pip3 install numpy
sudo ./pip3 install scipy
sudo ./pip3 install matplotlib
验证各个函数库安装成功：
下一步就是需要配置显卡计算的相应环境：
首先是安装cuda, 现在支持的cuda版本一般是cuda8, 这里我们也是安装此版本。
下载地址：
下载页：
https://developer.nvidia.com/cuda-80-ga2-download-archive
文件地址：
https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda_8.0.61_375.26_linux-run
执行环境安装：
sudo sh ./cuda_8.0.61_375.26_linux.run
安装过程 一直 点击确认，输入yes, 就可以，唯一需要注意的是提示你是否安装驱动，这里面我们默认是已经安装好驱动的，如果没有安装驱动参考其它文章。所以，这里我们是默认不安装驱动的，不然有可能造成版本不兼容，导致失败。
no 输入
安装成功后需要进行配置， 修改HOME目录下的 .bashrc 文件
加入以下内容：
export PATH=/opt/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/opt/cuda-8.0/lib64:$LD_LIBRARY_PATH
环境生效：
#环境变量立即生效
sudo source ~/.bashrc
sudo ldconfig
cuDNN是GPU加速计算深层神经网络的库。首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN，需要注册一个账号才能下载，没有的话自己注册一个。
这里我下载的是 cuda8.0对应的 cudnn
下载后是一个 deb文件，需要解压：
ar -x libcudnn7-dev_7.1.4.18-1+cuda8.0_amd64.deb
xz -d ./data.tar.xz 解压data文件
tar -xvf data.tar 接着解压data文件
最后文件如下图：
执行下面操作：
cp ./usr/include/x86_64-linux-gnu/cudnn_v7.h /opt/cuda-8.0/include/ cp ./usr/lib/x86_64-linux-gnu/libcudnn_static_v7.a /opt/cuda-8.0/lib64/
下面是进行tensorflow的编译安装。
第一步：下载编译器 bazel
点击链接： installer for your system，跳转到Bazel的下载页面：
下载bazel-0.15.0-installer-linux-x86_64.sh到桌面，下载最新版的，不用和我的一致，然后在terminal中输入以下命令
添加执行权限
sudo chmod a+x bazel-0.15.0-installer-linux-x86_64.sh
安装
sudo ./bazel-0.15.0-installer-linux-x86_64.sh