目前電腦配置：Ubuntu 16.04 + GTX1080顯示卡
配置深度學習環境，利用清華源安裝一個miniconda環境是非常好的選擇。尤其是今天發現conda install -c menpo opencv3 一句命令就可以順暢的安裝上opencv，之前自己裝的時候也遇到了很多錯誤。conda 安裝 Tensorflow 和 Pytorch兩種框架也是非常方便的，對於不擅長原始碼編譯的我是最佳選擇沒錯了。
所以大致流程就是：安裝顯示卡驅動——安裝CUDA 8.0——安裝cuDNN——安裝miniconda——安裝各種計算包
命令如下：
安裝驅動
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-367
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
重啟系統讓GTX1080顯示卡驅動生效
下載cuda 8.0 run檔案
sudo sh cuda_8.0.61_375.26_linux.run
q快進跳過，提示是否安裝xxxx選擇n
配置環境變數至~/.bashrc
export PATH=/usr/local/cuda-8.0/bin/:$PATH
export LD_LIBRARY_PATH=”/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64″
安裝cuDNN比較簡單，解壓後把相應的檔案拷貝到對應的CUDA目錄下即可
sudo cp cudnn.h /usr/local/cuda/include/ #複製標頭檔案
sudo cp lib* /usr/local/cuda/lib64/ #複製動態連結庫
sudo rm -rf libcudnn.so libcudnn.so.6 #刪除原有動態檔案
sudo ln -s libcudnn.so.6.0.21 libcudnn.so.6 #生成軟連結
sudo ln -s libcudnn.so.6 libcudnn.so #生成軟連結
安裝miniconda
配置清華源
下載miniconda（python3.6）
bash Miniconda3-latest-Linux-x86_64.sh
安裝tensorflow-gpu版
conda install -y tensorflow-gpu==1.4.1
pytorch官網安裝很簡單就不寫了