本文主要介绍了linux系统下深度学习系统的搭建，主要的安装思路如下：
linux系统安装：
首先安装当下热门的linux操作系统Ubuntu16.04，系统下载的链接如下：
https://www.ubuntu.com/download/desktop
（一）显卡驱动安装：
安装完系统后，安装1080ti的显卡驱动，可以在Nvidia的官网下载到驱动
下载完成后，把文件放在系统的默认文件夹下，作者把文件放在home下，nvidia官网的下载的界面如下：
然后进入linux的指令操作界面，首先我们关闭X-server，如果不关闭无法进行显卡驱动的安装，输入：
sudo lightdm stop
然后安装刚刚下载完成的1080ti的驱动，假设你下载下来的文件名是：1080ti.run
chmod +x 1080ti.run
sudo ./1080ti.run
这里注意：安装时会出现类似于“”安装用户须知“”的文档，一直按“”enter“”是没法跳过的，直接用“ctrl+c”跳过，然后输入“”accept“”
（二）CUDA安装：
在安装CUDA前，需要对ubuntu的GCC进行降级，否则CUDA无法编译通过，我第一次安装就是因为GCC未降级，跑mnist时未能调用GPU运行。具体参见如下链接：
http://www.cnblogs.com/xujianqing/p/6142963.html
软件安装
为了加速训练时的速度，接着我们进行cuda和cudnn的安装，进入nvidia的官网，下载cuda，作者选择的配置如图所示：
如果你的文件名为：cuda_8.0.61_375.26_linux.run
那么进入命令行界面，输入：
chmod +x cuda_8.0.61_375.26_linux.run同样会出现之前的“”安装用户须知“”，按下“”ctrl+c跳过“”
sudo ./8.0.61_375.26_linux.run
为CUDA添加环境变量：
sudo gedit ~/.bashrc
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
sudo gedit /etc/profile在打开的文件中输入：
export PATH=/usr/local/cuda/bin:$PATH
sudo gedit /etc/ld.so.conf.d/cuda.conf在打开的文件末尾加上一行保存：
/usr/local/cuda/lib64
（三）CUDNN安装：
然后进行解压，并将文件覆盖到指定目录，具体操作如下，作者使用的是cuda6.0，
不同版本的cudnn需要进行对应的更改，进入cudnn下载的目录，然后：
tar xvzf cudnn-8.0-Linux-x64-v5.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn.so* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn.so*
sudo ln -sf libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig
注意：作者这里最后使用的时CuDNN5.1的版本，但操作方式相同，原因会在后面详细说明
（四）Tensorflow安装：
anaconda安装：
和N卡相关的软件我们都已安装好，在安装tensorflow前，先进行科学计算库anaconda的安装。
本文是基于anaconda安装tensorflow的，在官网上下载对应的安装包，作者选择的是linux 64位 ，Python版本为2.7
安装完anaconda以后，使用conda命令在终端下新建一个tensorflow的环境，
输入指令后系统会自动下载所依赖的软件库
conda create -n tensorflow python=2.7
tensorflow安装：
进入正题了，首先进入tensorflow的环境，输入：
source activate tensorflow
（这一步时配置tensorflow环境，tensorflow还未安装）
pip install tensorflow
如果下载速度过慢，可以搭个*，在github上tensorflow的官网也可下载
安装完tensorflow后，在终端中进入python
测试
python
import tensorflow as tf
若没有报错，则安装成功
jupyter notebook安装：
在终端下显然不能够便捷地调试和编译深度学习程序，因此作者推荐安装jupyter notebook，同样地，打开终端，进入tensorflow环境，输入：
pip install jupyter notebook安装完成后，在终端输入 jupyter noteook即可打开，记住要在tensorflow的环境下打开，因为我们是把jupyter安装在此环境下的。
（五）远程连接教程：
windows端:
登录到远程计算机后，输入账户和密码，就可以进入远程计算机的终端了（请先配置完linux端再进行此操作）
linux端
这里作者推荐这两篇博客，写的很详细，交叉阅览，很快能掌握：
解决了如何生成秘钥的问题：
http://blog.csdn.net/u013473520/article/details/50696771
解决了如果登陆失败，则有可能是服务器防火墙设置的问题
http://blog.csdn.net/bitboy_star/article/details/51427306
（六）总结一下安装思路：
（1）先安装linux操作系统，
（2）安装对应的显卡驱动，以及深度学习用的加速库CUDA和CUDNN。
（3）安装anaconda
（4）在tensorflow环境下安装tensorflow和jupyter notebook
（5）远程配置
（七）目前已知安装过程中遇到的问题汇总
（1）CuDNN版本选择
在配置CuDNN时，我一开始选择的版本是CuDNN6，但是因为我tensorflow中，整合的时cuda8.0+CuDNN5.1版本，因此在运行mnist时，会提示：
缺少cuda5.0，no such file or directory。解决这个问题有两个办法：
1.如果想使用6.0的CuDNN直接去github上面下载tensorflow的源码，使用bazel进行编译,具体可以参考这篇使用bazel编译tensorflow的教程：
http://blog.csdn.net/zhaoyu106/article/details/52793183/
2.在nvidia的网站上下载CuDNN5.1版本，按照（三）中的流程重新覆盖安装
（2）配置SSH远程访问
如果按照（五）中配置完jupyter notebook的远程访问还不能访问，一种原因是因为没有安装SSH server，这里给出安装ssh server的网址：
https://jingyan.baidu.com/article/9c69d48fb9fd7b13c8024e6b.html
有很详细的linux端配置ssh教程和如何在windows端连接的教程
（3）启动流程
linux端：按下启动键，windows端：打开putty，远程访问linux主机，启动tensorflow环境，启动jupyter notebook，在浏览器中打开jupyter notebook。此时运行mnist例子是没有问题的。给出一个mnist例子的链接：
nvidia-smi2.如果在linux上的下载速度太慢，可以在windows搭*，提前把tensorflow和numpy等安装包下载好，然后直接pip install下载的文件就可以了。
此外，对linux操作系统不熟悉的读者，安装过程中可能会出现很多问题，因此我推荐一些我安装时查阅的博客和网站，其次大家可以把遇到的问题放在百度里面搜索，搭建环境这类的博客文章很多。
参考文献：
cuda添加环境变量：http://blog.csdn.net/Tcorpion/article/details/52740920
极客学院的tensorflow安装指南：http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html
和本文类似的安装tensorflow的指南，可以交叉阅读：http://blog.csdn.net/dabokele/article/details/53013921
CUDA安装时，如果GCC的降级，和CUDA samples的运行可以参考：http://www.linuxidc.com/Linux/2017-01/139320.htm
python的官网也有tensorflow-gpu的whl包，下载完成后用pip命令安装即可https://pypi.python.org/pypi/tensorflow-gpu