由于项目需要，我们的深度学习算法必须要加速，因此，组里给了我两个GPU：GTX-750 Ti & GRID-k2
GTX-750 Ti被我安装在了本地，GRID-k2安装在了服务器上，需要ssh登录上去使用，接下来就是各种坑。。。。。。。。。。。。。。。。。。。。。。。。。。。
一、先说一下GRID-k2，服务器端的安装：
1. 首先如果你也只有这张卡，抱歉，你没办法在 点击这里可以看到cuda支持的GPU 这里找到这张GPU的信息，但是，注意但是，并不是这个不能用，因为你可以查一下，这个GPU是专门为VMware & Citrix 等公司虚拟化产品使用的，因此，其计算能力可能不到3.0，因此nvidia觉得没必要放在网上，因此，其实这个卡不适合用于深度学习运算，后面也有效果图可以看到对比。
2. 当然如果你的组里只有这张GRID k2 的卡，那么当然也可以使用，首先，你得下一个对应版本的driver 驱动下载点这里 记住，一定要对应版本的驱动，比如这张GRID k2卡的驱动对应的是
3. 因为我这里是服务器，因此可以在虚拟机上找到你下载的NVIDIA-Linux-x86_64-375.26.run(注意这个就是你的版本信息)，当然这里还有一个坑就是，网上有说虚拟机没办法安装GPU的驱动，然后我问了一些人，好像是本地的机器的虚拟机没办法用，服务器的虚拟机是可以用的，至少我是成功的。接下来你可以看看你的GPU是不是已经有原来的驱动，可以通过lsmod | grep nouveau来查看，如果有输出信息，则表示里面有信息，你可以用如下命令禁用原来的驱动：
1> mv /lib/modules/(按两下tab，这里是你kernel的版本)/kernel/drivers/gpu/drm/nouveau/nouveau.ko /lib/modules/(按两下tab，这里是你kernel的版本)/kernel/drivers/gpu/drm/nouveau/nouveau.kp.org
2>update-initramfs -u 重新加载
3> reboot 重启电脑
然后你再输入lsmod | grep nouveau，应该就没有输出了，不过现在还没有结束安装前的准备，你还得输入ps aux | grep Xorg 看看你的界面化的linux是否关闭，如果看到
只有一条输出，什么什么color=什么的就表示成功了，如果有很多条打印，你可以试试用service lightdm stop，然后就可以发现其他的Xorg没了，只有前面一条信息了，到此为止，你可以继续安装了。
接下来就是找到linux下文件的位置，输入sudo bash NVIDIA-Linux-x86_64-375.26.run, 按步骤安装下去，如果中途卡住了一直不动，你也等着，别手贱去暂停 。
4. 接下来安装好驱动应该就可以输入nvidia-smi查看驱动是否安装完成，如果有方框信息显示，说明没问题
显示如上图，如果你没有这样的显示，而是说nvidia-smi： command not found，只能说明你没下对版本，重新下对应版本的，重复上面的步骤。
5.接下来就是安装cuda-8.0，你可以在官方网站 cuda官网 下载，如下图：
下载local的版本。
6. 找到下载对应的文件的位置，输入sudo sh cuda_8.0.61._375.26_linux.run,记住，你已经安装了驱动，所以当选是否安装驱动那里选n，其余按默认y，还有千万不要企图去
通过cuda里面的driver来安装驱动，因为cuda只能下最新版本的，cuda是向下兼容的，但是driver必须对应版本的，这里我们填了一个大坑。
7. 接下来安装好cuda后就是环境的配置，记住，这里要export两个东西，记得在root下，即sudo su
然后输入如下命令
- export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/:/usr/local/cuda/lib64:$LD_LIBRARY_PATH
- export PATH=/usr/local/cuda-8.0/bin:/usr/local/cuda/bin:$PATH
再输入nano /etc/profile
到最后一行输入如下
- export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/:/usr/local/cuda/lib64:$LD_LIBRARY_PATH
- export PATH=/usr/local/cuda-8.0/bin:/usr/local/cuda/bin:$PATH
保存退出
再输入
- sudo ldconfig
然后重启 reboot
8. 接下来下载cudnn v5.1
下载下来是cudnn-8.0-linux-x64-v5.1
找到下载的路径，cd进去，找到这个文件，输入如下操作：
- tar xvzf cudnn-8.0-linux-x64-v5.1-prod.tgz
- sudo cp cuda/include/cudnn.h /usr/local/cuda/include
- sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
9. 接下来是安装tensorflow ：
首先下载tensorflow-gpu版本的whl文件，你可以先去这个网站下找 选择tensorflow 你需要版本的tensorflow 要python2.7/python3.4/pthon3.5 /gpu/cpu/ /0.8版本/1.0版本，找到后将对应的<key>......</key>里面的内容和之前的网页结合起来，一按回车就可以下载了，如：https://storage.googleapis.com/tensorflow/+<key>......</key>.
下载好以后，先确认你的Python是3版本以上还是2.7版本的
首先你在命令行里面输入python3，看看能进python环境里面吗，如果能那就输入pip3 install tensorflow....(这里输入你刚才下载的tensorflow的whl文件，会自动安装)，就在这里我也遇到一个坑，比如你是安装python3.5版本的，你又想装tensorflow0.8版本，但是网上只能下到，tensorflow-0.8.0-cp34-cp34m-linux_x86_64.whl,这时你没办法安装tensorflow0.8，这时你这样做：
输入mv tensorflow-0.8.0-cp34-cp34m-linux_x86_64.whl tensorflow-0.8.0-py3-none-linux_x86_64.whl，也就是换个名字
这样你再输入pip3 install tensorflow-0.8.0-py3-none-linux_x86_64.whl就没问题了
但是这是0.8版本遇到的问题，因为1.0版本是有cp35的，就没有这样的问题。
另外说一下，我没有安装anaconda3，所以没有安装这些的过程。
10. 安装完成后，你可以试试有没有成功，命令行输入python3（因为我这里环境是python3）
>>> import tensorflow as tf
会出现：
说明安装成功一半，再试试输入
>>>a=tf.constant(20)
>>>sess=tf.Session()
>>>sess.run(a+a)
如果能输出结果才表示安装成功。但是请注意。。。。。。。。。。。这里有一个大问题。。。。。。。。。。其实tensorflow0.8-gpu版本不支持cuda，因此你想用gpu，则必须使用tensorflow1.0-gpu版本的，因此安装0.8版本的就会出现 python3 free():......记不得了，一个错误，说core dumped,这里我也是遇到坑，所以请安装tensorflow1.0，如果你安装的是0.8版本的，没关系，你直接安装1.0，会自动覆盖你的0.8版本，就没有了上面的问题了。
到这里，安装全部完成，你可以跑你的程序了。
二. GTX-750-Ti
接下来是这块卡，别小看这张卡，效果比上面那张卡的计算性能高太多，当然价格却便宜10倍。
这张卡的安装可以基本参考上面的步骤，唯一不同的就是两点
1. 这张卡本地物理机就可以带的动，那么就没有虚拟机的概念，我直接把本机装了一个ubuntu16.04.
2. 这张卡的驱动得重新下，不能用上一张卡的驱动，不然会错乱，应该重新下对应版本的卡，也还是 驱动下载点这里 这里下，找对应GeForce下载。
点击搜索就可以找到相应版本的驱动下载，然后步骤和上面的完全一致，直到安装成功。