机器学习环境完全配置
安装驱动
http://www.nvidia.com/Download/index.aspx?lang=en-us
禁用 nouveau，只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动，禁用方法就是在 sudo vim /etc/modprobe.d/blacklist.conf文件中添加一条禁用命令
blacklist nouveau
options nouveau modeset=0
更新后重启电脑
sudo update-initramfs -u
reboot
进入字符模式
sudo service lightdm stop
sudo sh 驱动包.run –add-this-kernel -no-x-check -no-nouveau-check -no-opengl-files
sudo service lightdm start
sudo nvidia-smi
sudo nvidia-settings
sudo apt install nvidia-settings
安装cuda
https://developer.nvidia.com/cuda-toolkit-archive
Disable the Nouveau drivers(禁用nouveau,这一步至关重要！！！)
使用以下命令查看Noueau驱动是否被加载了
$ lsmod | grep nouveau #
如果打印出一些信息，说明Noueau被加载了，正常情况下会打印出一些关于nouveau的信息
创建/etc/modprobe.d/blacklist-nouveau.conf
写入
blacklistnouveau
options nouveau modeset=0
重启电脑
sudo update-initramfs -u
reboot
ctrl + alt +F1 进入字符模式
sudo sh cuda.run
因为驱动之前已经安装，这里就不要选择安装驱动。其余的都直接默认或者选择是即可。 使用：
sudogedit /etc/profile
1 打开“profile”文件，在末尾处添加（注意不要有空格，不然会报错):
export PATH=/usr/local/cuda-8.0/bin:$PATH
exportLD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
测试：echo $PATH
2 重启电脑： sudo reboot
测试cuda的Samples
cd/usr/local/cuda-8.0/samples
sudo make –j
cd ./bin/x86_64/linux/ralease
./deviceQuery
如果显示的是一些关于GPU的信息，则说明安装成功了。
运行bandwidthTest程序，sudo ./bandwidthTest
查看输出结果，显示结果为PASS表示通过测试
安装anaconda
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
bash Anaconda3-4.3.1-Linux-x86.sh
安装完成之后要重启终端，anaconda才能生效。
在安装的过程中，会问你安装路径，直接回车默认就可以了。
有个地方问你是否将anaconda安装路径加入到环境变量（.bashrc)中，输入yes，默认的是no，
如果没输入就要配置环境，根据提示，在终端输入sudo vi ~/.bashrc，打开profile文件。添加语句export PATH=/home/lucky/anaconda3/bin:$PATH，保存，退出。 重启终端，不行，重启Linux，
创建TensorFlow环境：
conda create –n tensorflow python=2.7
激活环境
sourceactivate tensorflow
在TensorFlow环境中安装包
condainstall Theano
conda install ipython
conda install jupyter
关闭环境
source deactivate tensorflow
启动navigator:anaconda-navigator
启动：jupyter notebook
Python 2.7的基础上，
基于conda创建Python 3.5的环境。
1. 进入命令行模式，更新现有conda anaconda
conda update conda
conda update anaconda
2. 创建名为python3的python3.5的环境 conda create -n python3 python=3.5
3. 激活python3环境
4. 在python3环境中安装anaconda库
conda install anaconda
安装完后发现Anaconda下原有的程序，都多了python3版本的。
5.spyder启动为Python3.5
6. conda install Theano tensorflow-gpu
conda env list
7.设置国内镜像 如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：
# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
添加中科大镜像：https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
设置搜索时显示通道地址conda config --set show_channel_urls yes
删除环境：conda remove –n name --all
调用GPU
每三秒查看GPU的状况：58
watch –n 3 nvidia-smi
.第一种是通过tf.device()函数来指定训练时所要使用的GPU:
tf.device('/gpu:2')
通过CUDA_VISIBLE_DEVICES来指定.同样使用第2块GPU来训练模型，我们可以在我们的python代码中加入：
import os
os.environ['CUDA_VISIBLE_DEVICES']='2'
可以在运行python程序的前面指定，比如：
CUDA_VISIBLE_DEVICES=2 python train.py
安装cudnn
https://blog.csdn.net/Lucifer_zzq/article/details/76675239
https://developer.nvidia.com/rdp/cudnn-archive
下载后进行解压： tar -zxvfcudnn-8.0-linux-x64-v5.0-ga.tgz 1
进入cuDNN5.0解压之后的include目录，在命令行进行如下操作：
cdcuda/include
sudocp cudnn.h /usr/local/cuda/include
#复制头文件 1 2
再将进入lib64目录下的动态文件进行复制和链接：
cd..
cd lib64
sudo cp lib* /usr/local/cuda/lib64/
#复制动态链接库
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.5.0.5
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudoldconfig
安装caffe
vim ~/.bashrc
export PYTHONPATH=路径:$PYTHONPATH
路径格式/path/to/caffe/python$PYTHONPATH
source ~/.bashrc
第二种方法：通过代码来实现
在每个python代码中使用以下代码： (这个方法在写python代码时有用)
caffe_root = '/home/dell/caffe/python'
import sys
sys.path.insert(0, caffe_root +'python')
import caffe
补充
export LD_LIBRARY_PATH=usr/local/cuda/lib64
exportLD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/user/anaconda2/lib
source ./bashrc
anaconda寻找包：anaconda search –tconda tensorflow
anaconda show tensorflow
Ubuntu16.04下在Python3.5安装OpenCV3.3.1（CPU）
https://www.aliyun.com/jiaocheng/118836.html