首先介绍一下anaconda,annoconda是一个开源的Python发行版本，里面集成了python、conda等多个科学包及其依赖项。安装完成之后，就可以使用conda版本管理器进行管理，可以让你的电脑运行多个版本的Python、tensorflow，conda通过创建不同的完全隔开的沙盒环境，使得不会出现版本不兼容的问题。
1、安装annoconda
到官网http://continuum.io/downloads下载anaconda
Linux命令行中，可以通过一下命令直接下载
wget https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh
切换到文件所在文件夹下（如果使用wget命令下载，则无需切换）：
cd Download
执行一下命令安装
bash Anaconda3-5.0.-Linux-x86_64.sh
PS：执行以上命令前，必须先切换到Anaconda-2.2.0-linux-x86_64.sh文件所在目录中，如：cd Download
必须保存有足够的空间安装annoconda,b不然可能出现错误：
tar:....:Wrote only 2048 of 10240 bytes
tar:Exitingwith failure status due to previous errors
如果磁盘空间不足，可以下载miniconda进行安装。
之后按照提示信息一直按ENTER键即可成功安装。
2、在annoconda中安装tensorflow
2.1安装tensorflow(cpu版本）
ps:如果想装GPU版本，请跳转到安装tensorflow(GPU版本）
新建一个环境：（环境名字为tensorflow,使用Python3.6版本）
conda create -n tensorflow python=3.6
激活tensorflow环境，进入环境中：
source activate tensorflow
安装tensorflow(以下命令安装的是conda上tensorflow的CPU版本）
(
2. 添加清华大学 TUNA提供的Anaconda仓库镜像
$conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
搜索当前可用的tensorflow版本:
anaconda search -t conda tensorflow
anaconda show anaconda/tensorflow
conda install --channel https://conda.anaconda.org/anaconda tensorflow
或者conda install -c anaconda tensorflow
(ps:注意更新pip之后，pip与pip3的的区别；如果使用pip3 install xxx,错误之后，可以试试pip install xxx.）
pip3 install tensorflow
或者
conda install -c conda-forge tensorflow
检验是否安装成功（没有报错就证明安装成功）
import tensorflow as tf
查看tensorflow版本和安装路径（做进一步检查是否安装成功）
进入Python环境
python
导入tensorflow模块
import tensorflow as tf
查询tensorflow版本
tf.__version__
查询tensorflow安装路径为:
tf.__path__
退出tensorflow环境
source deactivate
2.2安装tensorflow(GPU版本）
PS:要安装GPU版本，先要卸载旧版本的tensorflow.
进入相应环境中（命令：source activate tensorflow），查看tensorflow版本，
pip3 show tensorflow
卸载（有多少个卸载多少个）
pip3 uninstall protobuf
pip3 uninstall tensorflow
退出相对应环境，（命令：source deactivate）。
由于要使用GPU,所以必须先安装使用GPU相关的SDK,对于Nvidia 显卡（英伟达），需要安装显卡驱动、CUDA 、cuDNN 。CUDA是NVIDIA 推出的使用GPU 资源进行计算的SDK ，CUDA 里面集成了显卡驱动。 下载地址：https://developer.nvidia.com/cuda-toolkit
2.2.1 安装cuda
在网站中找到相对应的版本，下载安装（可以使用wget命令下载，将下面cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb替换成自己下载的文件名）
sudo dpkg -i cuda-repo-ubuntu1604---local_8.0.44-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
配置环境变量，切换到home下，编辑.bashrc
gedit .bashrc
在文本末尾添加
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda:$CUDA_HOME
2.2.2 安装cudnn
下载Cudnn v5.1，进入下载目录，执行下列命令：
tar xvzf cudnn-8.0-linux-x64-v5..tgz
把Cudnn的头文件和库文件复制到Cuda路径下的include和lib目录
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn.so* /usr/local/cuda/lib64
修改权限
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn.so*
2.2.3 新建一个环境：（环境名字为tensorflow,使用Python3.6版本）
conda create -n tensorflow python=3.6
激活tensorflow环境，进入环境中：
source activate tensorflow
安装tensorflow（GPU）（使用pip安装）
pip3 install --upgrade tensorflow-gpu
检验是否安装成功（没有报错就证明安装成功）
import tensorflow as tf
查看tensorflow版本和安装路径（做进一步检查是否安装成功）
进入Python环境
python
导入tensorflow模块
import tensorflow as tf
查询tensorflow版本
tf.__version__
查询tensorflow安装路径为:
tf.__path__
退出tensorflow环境
source deactivate
3、安装opencv3(在tensorflow中安装)
激活tensorflow环境，进入环境中：
source activate tensorflow
安装opencv
conda install -c https://conda.binstar.org/menpo opencv
初步检验是否安装成功
进入python环境
python
导入opencv
import cv2
如果没有报错，说明安装成功。