TensorFlow的GPU版本需要硬件环境的支持,首先要有个NVIDIA显卡，然后确保安装了正确的显卡驱动、CUDA和cuDNN对应版本。 NVIDIA 官网首页提供的都是最新的驱动，但最新版本不一定适用于开发环境，所以要进行版本的选择,下面依次介绍

NVIDIA显卡驱动安装

官方驱动下载

选择型号选择自己的驱动

我的机器配置是Ubuntu 16.04.4 LTS 64位，显卡 GTX 1060

所以选择如下

选择合适的版本

刚开始安装的是最新的410.66，但是在开发过程中会有报错，最终选择了 384.13

安装

chmod + libcudnn7_7.3.0.29-1+cuda9.0_amd64.deb
./libcudnn7_7.3.0.29-1+cuda9.0_amd64.deb

CUDA安装

官方推荐 CUDA 9 + cuDNN7，那么版本选择上就按照这个来了

下载

首页推荐的CUDA 10，所以找到 CUDA历史版本

选择 CUDA Toolkit 9.0

按照提示选择合适自己的下载文件

这里使用了 deb(local) 的类型

安装

sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

cuDNN 安装

cyDNN历史版本

cuDNN v7.3.0 Runtime Library for Ubuntu16.04 (Deb)

注意：这里下载需要注册并登录才可以

安装

sudo dpkg -i libcudnn7_7.3.0.29-1+cuda9.0_amd64.deb

最后

在 /etc/profile 内添加如下，然后 source /etc/profile，TensorFlow 中会用到

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"