1. cuda toolkit的安装

到查询gpu支持的cuda版本：

到，根据操作系统选择下载相应的cuda toolkit版本，下载的是一个.run文件，下载完成后以root用户直接运行该文件安装。

安装结束以后。运行：

复制代码 代码如下:

nvidia-smi

如果列出了gpu状态信息，表明安装成功：

2. cudnn的安装

tensorflow对神经网络的加速通过cudnn库实现，所以首先去https://developer.nvidia.com/rdp/cudnn-archive，根据cuda的版本下载相应版本的cudnn，也是一个.run文件，下载完成后直接运行。

3. tensorflow的安装

为了在安装过程中不出现版本冲突等问题，建议先安装anoconda。到https://www.anaconda.com/download/#linux下载后，运行.sh文件安装。

然后使用下面的命令安装tensorflow：

conda create -n tensorflow python=2.7
source activate tensorflow
export tf_binary_url=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl
pip install --ignore-installed --upgrade $tf_binary_url

依次输入：

source activate tensorflow
python

import tensorflow as tf
import pandas as pd
tf.__version__

如果没有报错，则表明安装成功：