目录
一、安装gtx1060显卡驱动
二、安装CUDA 10.0
三、安装cuDNN
四、安装GPU版tensorflow
五、测试是否安装成功
一、安装gtx1060显卡驱动
到英伟达官网下载驱动 点击跳转
选择合适的驱动进行下载
./NVIDIA-Linux-x86_64-375.39.run 运行此文件 按照提示输入 y/n进行下一步操作
安装好后用nvidia-smi验证是否成功：
二、安装CUDA 10.0
去官网下载驱动 https://developer.nvidia.com/cuda-toolkit-archive
同理，选择合适的版本下载
下载完成后如下进行安装:
./cuda_10.0.130_410.48_linux.run最开始先同意用户协议，再按照提示选择y或n，第一项为显卡驱动，上一步已安装，选n，剩下的都选y就行了。
三、安装cuDNN去官网下载 跳转
选择合适的版本进行下载，注意：需与cuda的版本相匹配
下载该文件需要先注册成为NVIDIA的开发者，用邮箱注册即可
下载完成后 解压并拷贝到cuda的安装目录，默认在/usl/local/cuda.....下
tar -zxvf cudnn-10.0-linux-x64-v7.4.2.24.tgzcp cuda/include/cudnn.h /usr/local/cuda/includecp cuda/lib64/libcudnn* /usr/local/cuda/lib64chmod 755 /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* 四、安装GPU版tensorflow pip install tensorflow-gpu -i https://pypi.douban.com/simple 五、测试是否安装成功进入Python环境，运行以下代码：
import tensorflow as tfwith tf.device('/cpu:0'): a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')c = tf.matmul(a, b)sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))print(sess.run(c))
正常输出结果如下：
如上图，已正常使用GPU运行