ubuntu16.04+anaconda+tensorflow-gpu1.8.0+keras+pytorch，caffe2
经过两天时间，终于在新安装的ubuntu16.04系统下配置好深度学习环境，今天和大家分享一下经验：
丑话说在前面：
安装tf之前我已经安装好cuda，但是用conda安装tf时，又下载了cuda和cudnn，最后测试tf和pytorch都可以使用，但是不清楚不手动安装cuda是否能使用tf和pytorch。
一、硬件和系统环境
GTX1080TI显卡的主机，WIN10+Ubuntu16双系统，两个系统分别安装在两块硬盘上，安装在一块硬盘可能会出现ubuntu系统循环登录的情况。系统基本配置和显卡驱动都已经安装好(比较简单，百度上的都比较靠谱)。
二、安装cuda9.0和cudnn7.0
在nvidia官网上下载cuda9.0版本，如下图，下面几个文件都可以下载，安装方法基本一致。
下载下来后应该有这几个文件，我下载的时间较早，可能没下载全，也可能当时我把文件名字也改了。
在终端运行如下代码(本人是个linux小白，不会使用root用户，熟悉的话，看个人喜好了)：
sudo ./cuda_9.0.176_384.81_linux.run
然后就是安装cuda的过程了，看好问题，如果问是否安装驱动，可以no，因为我们之前已经安装好了驱动；问是否安装cuda sample的话(可能是这么问的)，可以不安装。最后应该是这样的：
安装cudnn7.0，在CSDN上有很多下载链接可以下载，下面是官网文档给的安装过程(目录下终端输入)：
tar -xzvf cudnn-9.0-linux-x64-v7.tgz
cd cuda
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
添加环境变量，终端输入：
sudo gedit ~/.bashrc
在文件最下面添加：
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
保存文件后，终端输入(**环境变量)：
source ~/.bashrc
经过上述步骤，我们就安装好了cuda和cudnn。
三、安装anaconda
可以在清华镜像站或者anaconda官网下载anaconda3-5.2.0-Linux，不要下载5.3版本，5.3版本使用Python3.7，不能使用tensorflow，因为这个我足足浪费了一上午的时间。
下载好后，终端输入：
sh ./Anaconda3-5.2.0-Linux-x86_64.sh
一路同意，自行选择安装位置，如果问是否添加环境变量，最好选同意，如果忘了，我们也会自行添加环境变量。添加环境变量和安装cuda时一样，在bashrc文件最后添加：
export PATH="/home/你的安装路径/anaconda3/bin:$PATH"
别忘了**环境变量，最后在终端输入python，应该显示出下面的效果，就证明安装成功了。
四、安装tensorflow-gpu、keras和pytorch
终端输入：
conda install --channel http://conda.anaconda.org/anaconda tensorflow-gpu=1.8.0
不要安装1.10.0以上的版本，他们不支持cuda9.0。
安装keras，终端输入：
conda install keras-gpu
安装pytorch，因为我要使用的是caffe2，所以终端输入：
conda install pytorch-nightly cuda90 -c pytorch
以上就是全部内容，tf，keras都可以使用，pytorch没有测试，大家可以测试一下。