一、英伟达驱动安装
1、英伟达驱动下载：
2、由于是驱动的冲突，那么自然是要杀掉和显卡结合不是那么紧密的草根板驱动nouveau了，加入黑名单是我们要做的第一件事，这样启动以后就不会默认使用草根驱动；
下载NVIDIA官方的K80显卡驱动，一般驱动都是通过deb包进行安装，但是安装后会加入OpenGL的驱动，所以必须得使用.run的文件，.run文件下载地址：
如果不用.run方式的话，那么就会进入Linux的无限循环界面。
(重要的事情说三遍，这里面的-和字母之间没有空格、这里面的-和字母之间没有空格、这里面的‘-’和字母之间没有空格)
出现蓝色的背景界面，如果出现了（X server is running的现象，要注意用户态输入sudo service lightdm stop关闭桌面管理器 ），然后accept协议，接着出现the distribution provided pre-install scripts failed的提示，忽视它，然后继续安装下去，一路OK然后reboot系统，最终得到完整的gnome桌面系统。
sudo service lightdm stop
检验是否安装成功，在命令行界面下输入 nvidia-smi检验是否安装成功
nvidia-smi
二、安装源管理软件包：
下载地址：
三、Cuda安装：
１、下载CUDA
https://developer.nvidia.com/cuda-downloads
２、安装cuda
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.debsudo apt updatesudo apt -y install cuda
３、将CUDA路径添加至环境变量在终端输入
sudo gedit /etc/profile
在profile文件中添加：
export CUDA_HOME=/usr/local/cuda-8.0export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} source /etc/profile即可
source /etc/profile
4、验证安装成功：
nvcc -V
会得到相应的nvcc编译器相应的信息，那么CUDA配置成功了。(记得重启系统)
5、如果要进行cuda性能测试，可以进行：
cd /usr/local/cuda/samplessudo make -j8
编译完成后，可以进samples/bin/.../.../...的底层目录，运行各类实例。
四、安装tensorflow
１、官方连接：
２、参考官方文档的pip源部分：
３、pip安装的时候千万注意：
sudo pip3 install –upgrade 后面的接的gpu版本的连接，在官网文档最后面，python务必与对应的tensorflow版本对应。
安装完后也要注意依赖库版本的修复，因为开源代码，版本库版本特别多，所以如果有版本不兼容，那么一定要进行修复，如何修复自行百度。
４、tensorflow验证：
# Pythonimport tensorflow as tfhello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello)) 五、安装keras：
１、安装keras：
sudo pip install -U --pre keras
２、安装完毕后，输入python，然后输入：
import tensorflow import keras
３、Keras中mnist数据集测试
下载Keras开发包
git clone https://github.com/fchollet/keras.gitcd keras/examples/python mnist_mlp.py
程序无错进行，至此，keras安装完成。