deepin的CUDA和cuDNN安装方法与其它系统有所不同，参考其它操作系统的方法也许不适用，特别是显卡驱动的安装，容易使系统出现问题
本次配置：
操作系统：deepin15.5桌面版
电脑品牌：联想拯救者
CPU：i5-7300HQ
显卡：NVIDIA GTX 1050Ti
tensorflow版本：1.4
cuda版本：8.0
cudnn版本：6
目录：
- 安装显卡驱动
- 安装CUDA
- 安装tensorflow-GPU
- 安装CUDNN
一、安装显卡驱动
deepin15.5的显卡驱动可以使用bumblebee工具，此处不需要手动禁用nouveau，因为安装完成之后会自动禁用
安装驱动命令：
sudo apt-get install bumblebee bumblebee-nvidia nvidia-smi
安装完之后，在命令行输入：
optirun nvidia-smi
输出：
上图表明安装已经成功。
驱动使用方法：
在进行训练前，在终端输入sudo tee /proc/acpi/bbswitch <<< ON，可开启显卡。
在训练结束后，在终端输入sudo tee /proc/acpi/bbswitch <<< OFF，可关闭显卡。
二、安装CUDA
网上很多教程都不适用于我的系统，下载安装包来安装也会报错，所以这里采用命令行安装的方法：
sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler
至此，CUDA安装完成
三、安装tensorflow-GPU
为什么要在安装cuDNN之前安装tensorflow-gpu呢？因为我们之前安装的cuda方法与往常不同，所以cuDNN的安装方法也有所不同，需要先安装tensorflow-gpu
安装很简单，输入以下命令：
pip install tensorflow-gpu==1.4
四、安装cuDNN
从官方网站下载安装包：https://developer.nvidia.com/rdp/cudnn-download
下载之后解压，会得到一个cuda文件夹。
接下来进行两个步骤：
- 步骤一：将解压出来的
cuda/include/下的cudnn.h文件复制到/usr/local/include/目录下。 - 步骤二：将
cuda/lib64/目录下的所有文件复制到python环境的tensorflow包的tensorflow/python/目录下
我的python环境的tensorflow包的tensorflow/python/目录是：/home/XXX/anaconda3/lib/python3.6/site-packages/tensorflow/python
至此，所有安装都已经结束
测试：
进入python环境中，输入以下命令：
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
输出：
结果中有GPU的名称，显存等信息，表示tensorflow可以使用GPU了
如有问题，欢迎留言讨论