一、安装 TensorFlow GPU 版本

        安装 TensorFlow-GPU 版的关键点在于 cuda 和 cudnn 的安装和配置，注意它们的版本是否和 TensorFlow 的版本匹配。以下，以安装 TensorFlow 1.5.0 为例，其中匹配的 cuda/cudnn 的版本分别为 cuda 9.0 和 cudnn 7.0。

1.安装 NVIDIA 显卡驱动

        首先在终端查看显卡信息：

$ sudo lshw -numeric -C display

也可以使用命令：

$ lspci | grep -i nvidia

确认显卡信息。

        知道显卡信息之后，在 NVIDIA 官网搜索对应的显卡驱动，比如 TITAN X(Pascal)/GTX 1080Ti 等显卡查到的驱动为384。另外，使用

$ ubuntu-drivers devices

可以直接查看系统推荐的 NVIDIA 显卡驱动（在返回的信息中找到 recommended 对应的 driver，比如 nvidia-384）。一般来说，即便查询到的（及后续安装的）驱动不是最新版的，在安装时也会自动安装最新的（与系统适配）的显卡驱动。

        查询到显卡驱动之后，使用命令

$ sudo apt-get install nvidia-xxx

安装驱动。如要安装显卡驱动的版本为384，则对应的命令为：

$ sudo apt-get install nvidia-384

        安装完成之后，使用

$ nvidia-smi

查看驱动是否安装成功。若返回一个关于驱动的表格说明安装成功。（可能需要重启电脑）

2.安装 CUDA 9.0

        在 NVIDIA 官网直接查找 cuda，下载与操作系统匹配的 runfile 文件，如 cuda_9.0.176_384.81_linux.run，进入该文件所在目录，执行

$ sudo sh xxx.run --override

如，以安装 cuda_9.0.176_384.81_linux.run 为例，执行命令

$ sudo sh cuda_9.0.176_384.81_linux.run --override

然后按 Ctrl+C 跳过more（0%），输入 accept，选择 no（因为已经安装过显卡驱动了），后面按照需要选择 y/n 可顺利完成安装。

        接下来为 cuda 配置环境变量：

$ sudo gedit ~/.bashrc

在打开的文件末尾加入两行：

export PATH=”$PATH:/usr/local/cuda-9.0/bin”
export PATH=”$PATH:/usr/local/cuda-9.0/lib64”

保存之后执行 $ source ~/.bashrc 使改动立即生效。（根据使用版本修改 cuda-9.0 对应项）

        在终端输入 $ nvcc --version 查看是否安装成功，如输出版本信息则表示安装成功。若提示 nvcc 是无效的指令，使用

$ sudo apt install nvidia-cuda-toolkit

安装，然后再确认。

        若要卸载 cuda，进入 cuda 安装路径，比如文件夹 /usr/local/cuda-9.0/bin 执行：

$ sudo ./uninstall_cuda_9.0.pl

3.配置 NVIDIA 深度学习库 cuDNN 7.0

        在 NVIDIA 官网搜索 cudnn，注册开发者账号，然后下载与 cuda 版本匹配的 cudnn 文件，如与 cuda9.0 匹配的 cudnn7.0 文件为：cudnn-9.0-linux-x64-v7.tgz 。进入该文件所在目录，执行

$ tar -zxvf cudnn-9.0-linux-x64-v7.tgz
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

退到根目录，执行：

$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

4.安装 TensorFlow GPU 版

        使用如下指令直接安装 TensorFlow GPU 版：

$ sudo pip/pip3 install tensorflow-gpu

然后，还需要将 2 中的环境变量修改为 TensorFlow 要求的格式：

export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda-9.0/extras/CUPTI/lib64”
export CUDA_HOME=/usr/local/cuda-9.0

（注意将 cuda-9.0 修改为自己安装的对应版本）

        最后，在 Python2.7/Python3.5 中使用

>>> import tensorflow

验证是否安装成功。

二、配置OpenCV（针对Python）

        以配置 OpenCV3.3.0 为例，其它版本类似。

注意：到目前为止，直接使用：

$ sudo pip/pip3 install opencv-python

安装的 OpenCV 不支持视频类操作。

1.安装依赖项

（1）更新安装包管理工具

$ sudo apt-get update
$ sudo apt-get upgrade

（2）安装编译工具

$ sudo apt-get install build-essential cmake pkg-config

（3）安装依赖的图像库

$ sudo apt-get install libjpeg8-dev libtiff5-dev libjasper-dev libpng12-dev

（4）安装依赖的视频解码库

$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev
$ sudo apt-get install libv4l-dev libxvidcore-dev libx264-dev

（5）安装 highgui 依赖的 GTK 库

$ sudo apt-get install libgtk-3-dev

（6）安装提示矩阵运算的库

$ sudo apt-get install libatlas-base-dev gfortran

（7）安装 Python 开发库

$ sudo apt-get install python2.7-dev python3.5-dev

2.编译 OpenCV

（1）直接从 OpenCV 官网下载支持全平台的 .zip 文件 3.3.0 安装包；
（2）unzip 解压，并进入文件夹：$ cd opencv-3.3.0
（3）$ mkdir build && cd build
（4）编译 OpenCV

cmake -D CMAKE_BUILD_TYPE=RELEASE \
 -D CMAKE_INSTALL_PREFIX=/usr/local \
 -D INSTALL_PYTHON_EXAMPLES=ON \
 -D PYTHON2_EXCUTABLE=/usr/bin/python2 \
 -D PYTHON3_EXCUTABLE=/usr/bin/python3 \
 -D BUILD_EXAMPLES=ON ..  （两点不可少）

注意：配置 OpenCV 需要在安装 CUDA 之前，否则这一步会失败。

（5）$ make -j4
（6）$ sudo make install
（7）$ sudo ldconfig

3.验证是否安装成功

        在 Python2.7 和 Python3.5 内执行（需要摄像头）：

>>> import cv2
>>> cap = cv2.VideoCapture(0)
>>> print(cap.isOpened())

查看是否可以打开摄像头。