一竟痰、安裝順序
Cuda9.0（先安裝顯卡驅(qū)動(dòng)） cuDNN7.2.1 OpenCV3.4.2 Tensorflow1.10
首先Ubuntu要安裝一些依賴庫(kù)

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler 
sudo apt-get install –no-install-recommends libboost-all-dev 
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev 
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

二签钩、更新一下顯卡驅(qū)動(dòng)，GeForce1060顯卡坏快，最新驅(qū)動(dòng)390版本（2018.8.12）
2.1 NVIDIA網(wǎng)站铅檩，查找下載.run文件
https://www.nvidia.com/Download/index.aspx?lang=en-us
2.2 卸載老驅(qū)動(dòng)

sudo apt-get autoremove --purge nvidia-*

2.3 安裝新驅(qū)動(dòng)
關(guān)閉圖形界面，安裝.run驅(qū)動(dòng)文件莽鸿，打開(kāi)圖形界面

sudo service lightdm stop    #（關(guān)閉圖形界面） （實(shí)測(cè)重裝驅(qū)動(dòng)需要此步驟）
./NVIDIA-390.run             #（運(yùn)行驅(qū)動(dòng)安裝文件昧旨，若無(wú)權(quán)限，使用chmod +x NVIDIA-390.run）
sudo service lightdm start   #（打開(kāi)圖形界面）

nvidia-smi           #（查看顯卡及驅(qū)動(dòng)狀態(tài)，smi--System Management Interface）

三臼予、安裝CUDA9.0+cuDNN7.2.1
下載CUDA9.0

https://developer.nvidia.com/cuda-toolkit-archive

上述網(wǎng)站選擇適合當(dāng)前系統(tǒng)的CUDA版本鸣戴，下載.run文件

測(cè)試方法
終端輸入如下指令查詢cuda版本信息

 nvcc --version 

把CUDA路徑添加到用戶環(huán)境變量里

sudo gedit ~/.bashrc

打開(kāi)文件，把下面兩條添加到文件末尾

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

執(zhí)行

source ~/.bashrc

使配置文件生效
3.2 安裝cuDNN
下載地址

https://developer.nvidia.com/rdp/cudnn-download
[cuDNN v7.2.1 Library for Linux]

下載得到tgz文件

tar xvf cudnn-xxx

進(jìn)入cudnn7.2.1解壓之后的include目錄粘拾，在命令行進(jìn)行如下操作：

sudo cp cudnn.h /usr/local/cuda/include/ #復(fù)制頭文件

再進(jìn)入lib64目錄下的動(dòng)態(tài)文件進(jìn)行復(fù)制和鏈接：

sudo cp lib* /usr/local/cuda/lib64/ #復(fù)制動(dòng)態(tài)鏈接庫(kù) 
cd /usr/local/cuda/lib64/ 
sudo rm -rf libcudnn.so libcudnn.so.7 #刪除原有動(dòng)態(tài)文件 
sudo ln -s libcudnn.so.7.2.1 libcudnn.so.7 #生成軟銜接 
sudo ln -s libcudnn.so.7 libcudnn.so #生成軟鏈接

四窄锅、安裝OpenCV3.4.2
4.1 OpenCV依賴包
GCC 4.4.x or later
CMake 2.6 or higher
Git
GTK+2.x or higher, including headers (libgtk2.0-dev) # 控制opencv GUI
pkg-config
Python 2.6 or later and Numpy 1.5 or later with developer packages (python-dev, - - python-numpy)
ffmpeg or libav development packages: libavcodec-dev, libavformat-dev, - libswscale-dev
[optional] libtbb2 libtbb-dev
[optional] libdc1394 2.x
[optional] libjpeg-dev, libpng-dev, libtiff-dev, libjasper-dev, libdc1394-22-dev
安裝指令

sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev  #處理圖像所需的包
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev
sudo apt-get install libxvidcore-dev libx264-dev  #處理視頻所需的包
sudo apt-get install libatlas-base-dev gfortran  #優(yōu)化opencv功能
sudo apt-get install ffmpeg

4.2 OpenCV3.4.2源碼下載配置
創(chuàng)建文件夾并打開(kāi)

mkdir OpenCV
cd OpenCV

官方下載地址

https://opencv.org/releases.html

注：官網(wǎng)下載速度太慢，在CSDN上下載了一個(gè).7z的壓縮源碼
7z解壓方法

sudo apt install p7zip-full  #安裝解壓軟件
7z x opencv3.4.2+contrib.7z -r -o /home/xx   # x ---- 解壓縮缰雇；-r ---- 表示遞歸所有的子文件夾入偷；-o 是指定解壓到的目錄
unzip opencv-3.4.2.zip 
unzip opencv_contrib-3.4.2.zip  # 解壓官方源碼壓縮包

配置編譯opencv (NVIDIA CUDA版本)

cd opencv-3.4.2
mkdir build && cd build
$ cmake -D CMAKE_BUILD_TYPE=RELEASE \
    -D CMAKE_INSTALL_PREFIX=/usr/local \
    -D INSTALL_PYTHON_EXAMPLES=ON \
    -D INSTALL_C_EXAMPLES=OFF \
    -D OPENCV_EXTRA_MODULES_PATH=~/OpenCV/opencv_contrib-3.4.2/modules \
    -D PYTHON_EXCUTABLE=/usr/bin/python \
    -D WITH_CUDA=ON \    # 使用CUDA
    -D WITH_CUBLAS=ON \
    -D DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" \
    -D CUDA_ARCH_BIN="6.1" \    # 這個(gè)需要去官網(wǎng)確認(rèn)使用的GPU所對(duì)應(yīng)的版本(https://developer.nvidia.com/cuda-gpus)
    -D CUDA_ARCH_PTX="" \
    -D CUDA_FAST_MATH=ON \    # 計(jì)算速度更快但是相對(duì)不精確
    -D WITH_TBB=ON \
    -D WITH_V4L=ON \
    -D WITH_QT=ON \    # 如果qt未安裝可以刪去此行;若因?yàn)槲凑_安裝qt導(dǎo)致的Qt5Gui報(bào)錯(cuò)，可將build內(nèi)文件全部刪除后重新cmake械哟，具體可以參考[這里](http://stackoverflow.com/questions/17420739/opencv-2-4-5-and-qt5-error-s)
    -D WITH_GTK=ON \
    -D WITH_OPENGL=ON \
    -D BUILD_EXAMPLES=ON ..

（上面指令報(bào)錯(cuò)找不到目錄疏之，把-D后面空格刪除后，可行暇咆，不知道什么原理）

編譯完成之后安裝

sudo make -j6
sudo make install

make時(shí)出錯(cuò)锋爪，錯(cuò)誤信息：

[ 88%] Built target example_gpu_optical_flow
Scanning dependencies of target example_gpu_video_reader
[ 88%] Building CXX object samples/gpu/CMakeFiles/example_gpu_video_reader.dir/video_reader.cpp.o
/usr/bin/ld: CMakeFiles/example_gpu_multi.dir/multi.cpp.o: undefined reference to symbol '_ZN3tbb18task_group_contextD1Ev'
//usr/lib/x86_64-linux-gnu/libtbb.so.2: error adding symbols: DSO missing from command line
collect2: error: ld returned 1 exit status
samples/gpu/CMakeFiles/example_gpu_multi.dir/build.make:120: recipe for target 'bin/example_gpu_multi' failed
make[2]: *** [bin/example_gpu_multi] Error 1
CMakeFiles/Makefile2:46979: recipe for target 'samples/gpu/CMakeFiles/example_gpu_multi.dir/all' failed
make[1]: *** [samples/gpu/CMakeFiles/example_gpu_multi.dir/all] Error 2
make[1]: *** 正在等待未完成的任務(wù)....
[ 88%] Built target example_gpu_farneback_optical_flow
[ 88%] Linking CXX executable ../../bin/example_gpu_generalized_hough
[ 88%] Built target opencv_perf_superres
[ 88%] Linking CXX executable ../../bin/example_gpu_video_reader
[ 88%] Built target example_gpu_generalized_hough
[ 88%] Linking CXX executable ../../bin/example_gpu_pyrlk_optical_flow
[ 88%] Linking CXX executable ../../bin/example_gpu_stereo_multi
[ 88%] Linking CXX executable ../../bin/example_gpu_opticalflow_nvidia_api
[ 88%] Built target example_gpu_video_reader
[ 88%] Built target example_gpu_pyrlk_optical_flow
[ 88%] Built target example_gpu_opticalflow_nvidia_api
[ 88%] Built target example_gpu_stereo_multi
Makefile:160: recipe for target 'all' failed
make: *** [all] Error 2

錯(cuò)誤原因猜測(cè)為關(guān)于multi gpu的example例程出問(wèn)題了，所以更改cmake指令參數(shù)-DBUILD_EXAMPLES=OFF爸业，并添加-DBUILD_TESTS=OFF（此句應(yīng)該不添加也沒(méi)問(wèn)題）
將make生成清除再重新cmake其骄、make

$ make clean
$ cmake -DCMAKE_BUILD_TYPE=RELEASE \
    -DCMAKE_INSTALL_PREFIX=/usr/local \
    -DINSTALL_PYTHON_EXAMPLES=ON \
    -DINSTALL_C_EXAMPLES=OFF \
    -DOPENCV_EXTRA_MODULES_PATH=~/OpenCV/opencv_contrib-3.4.2/modules \

    -DBUILD_opencv_python3=ON -DBUILD_opencv_python2=OFF \   ##這里做了些更改，生成與Anaconda+Python3匹配的共享庫(kù)（2018.08.15）
    -DPYTHON_EXCUTABLE=/home/guo/anaconda3/bin/python3 \
    -DPYTHON3_INCLUDE_DIR=/home/guo/anaconda3/include/python3.6m \
    -DPYTHON3_LIBRARY=/home/guo/anaconda3/lib/libpython3.6m.so.1.0 \
    -DPYTHON_NUMPY_PATH=/home/guo/anaconda3/lib/python3.6/site-packages \

    -DWITH_CUDA=ON \
    -DWITH_CUBLAS=ON \
    -DDCUDA_NVCC_FLAGS="-D_FORCE_INLINES" \
    -DCUDA_ARCH_BIN="6.1" \
    -DCUDA_ARCH_PTX="" \
    -DCUDA_FAST_MATH=ON \
    -DWITH_TBB=ON \
    -DWITH_V4L=ON \
    -DWITH_GTK=ON \
    -DWITH_OPENGL=ON \
    -DBUILD_EXAMPLES=OFF \
    -DWITH_OPENMP=ON \
    -DBUILD_TESTS=OFF ..
##將生成的Anaconda+Python3匹配的共享庫(kù)復(fù)制到anaconda lib python3.6的目錄下（2018.08.15）
$ cp /home/guo/OpenCV/opencv-3.4.2/build/lib/python3/* ~/anaconda3/lib/python3.6/site-packages/

$ sudo make -j6
$ sudo make install

用python測(cè)試

import cv2
cv2.__version__

4.2 OpenCV環(huán)境配置
環(huán)境配置添加庫(kù)路徑

sudo gedit /etc/ld.so.conf.d/opencv.conf 
#打開(kāi)后可能是空文件扯旷，在文件內(nèi)容最后添加
/usr/local/lib

更新系統(tǒng)庫(kù)

sudo ldconfig

配置bash拯爽，執(zhí)行如下命令

sudo gedit /etc/bash.bashrc 
#在末尾添加
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig  
export PKG_CONFIG_PATH  

保存退出，然后執(zhí)行如下命令使得配置生效

source /etc/bash.bashrc
# 激活配置然后更新database
sudo updatedb  

4.3 在CLion中測(cè)試
創(chuàng)建CMakeLists.txt文件

cmake_minimum_required(VERSION 3.10)
project(demo)
set(CMAKE_CXX_STANDARD 11)
find_package(OpenCV REQUIRED)
add_executable(demo main.cpp)
target_link_libraries( demo ${OpenCV_LIBS} )

創(chuàng)建Main.cpp文件

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    Mat image;
    # 必須使用絕對(duì)路徑
    image = imread("/home/nic/20171125154428073.png");
    if ( image.empty() )
    {
        cout<<"No image data!"<< endl;
        return -1;
    }
    namedWindow("Display Image");
    imshow("Display Image", image);
    waitKey(0);
    return 0;
}

進(jìn)行測(cè)試
五钧忽、Tensorflow安裝
根據(jù)Tensorflow官網(wǎng)的安裝教程 https://www.tensorflow.org/install/install_linux
首先添加環(huán)境變量

sudo gedit ~/.bashrc

打開(kāi)配置文件毯炮，添加

export CUDA_HOME=/usr/local/cuda    ## 打開(kāi)目錄，發(fā)現(xiàn)/usr/local下有一個(gè)cuda-9.0的快捷方式

然后耸黑，運(yùn)行指令

source ～/.bashrc

更新配置
Tensorflow官網(wǎng)安裝教程里桃煎，需要安裝libcupti-dev庫(kù)，安裝教程崎坊，運(yùn)行下面代碼

sudo apt-get install cuda-command-line-tools

提示無(wú)法定位軟件备禀，經(jīng)過(guò)百度，google查到奈揍，在安裝CUDA9.0時(shí)已經(jīng)安裝了此庫(kù)曲尸，在如下位置

/usr/local/cuda/extras/CUPTI/lib64

然后，只要添加一下環(huán)境變量就可以了男翰，添加方法跟前面一樣另患，在 ~/.bashrc最后添加，記得執(zhí)行 source ~/.bashrc

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

繼續(xù)跟隨官網(wǎng)教程蛾绎，有一個(gè)可選的安裝選項(xiàng)昆箕，Nvidia TensorRT3.0鸦列，查了一下，可以加速模型預(yù)測(cè)速度鹏倘，在Nvidia官網(wǎng)下載了一個(gè)3.0.4版本（Ubuntu14.04薯嗤，Tensorflow教程中要求下載此版本）的tar文件，根據(jù)Nvidia教程解壓纤泵，添加環(huán)境變量骆姐，后續(xù)沒(méi)有嘗試其他，以后用到的話再說(shuō)
最后捏题，根據(jù)Tensorflow官網(wǎng)教程使用 Virtualenv 安裝 TensorFlow：
1.發(fā)出下列其中一條命令來(lái)安裝 pip 和 Virtualenv：

$ sudo apt-get install python-pip python-dev python-virtualenv # for Python 2.7
$ sudo apt-get install python3-pip python3-dev python-virtualenv # for Python 3.n

2.發(fā)出下列其中一條命令來(lái)創(chuàng)建 Virtualenv 環(huán)境：

$ virtualenv --system-site-packages targetDirectory # for Python 2.7
$ virtualenv --system-site-packages -p python3 targetDirectory # for Python 3.n

targetDirectory 用于指定 Virtualenv 樹(shù)的頂層目錄玻褪。我們的指令假定 targetDirectory 為 ~/tensorflow，但您可以選擇任何目錄公荧。
3.通過(guò)發(fā)出下列其中一條命令激活 Virtualenv 環(huán)境：

$ source ~/tensorflow/bin/activate # bash, sh, ksh, or zsh
$ source ~/tensorflow/bin/activate.csh  # csh or tcsh
$ . ~/tensorflow/bin/activate.fish  # fish

4.確保安裝了 pip 8.1 或更高版本：

(tensorflow)$ easy_install -U pip

5.發(fā)出下列其中一條命令以在活動(dòng) Virtualenv 環(huán)境中安裝 TensorFlow：

(tensorflow)$ pip install --upgrade tensorflow      # for Python 2.7
(tensorflow)$ pip3 install --upgrade tensorflow     # for Python 3.n
(tensorflow)$ pip install --upgrade tensorflow-gpu  # for Python 2.7 and GPU
(tensorflow)$ pip3 install --upgrade tensorflow-gpu # for Python 3.n and GPU

等待下載安裝完成带射，根據(jù)提示如缺失依賴庫(kù)就用pip指令安裝相應(yīng)庫(kù)即可，本人電腦上沒(méi)有出現(xiàn)問(wèn)題循狰。
6.測(cè)試窟社，需要在tensorflow環(huán)境激活狀態(tài)下，python指令進(jìn)入python終端晤揣，執(zhí)行下面代碼

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

若輸出

b'Hello, TensorFlow!'

說(shuō)明安裝沒(méi)有問(wèn)題～
7.在jupyter-notebook中使用tensorflow virtualenv的問(wèn)題
因?yàn)橐婚_(kāi)始是在virtualenv下安裝的虛擬環(huán)境桥爽，所里打開(kāi)jupyter-notebook后，看不到相關(guān)的kernel昧识，查詢資料，首先安裝了nb_conda軟件包盗扒，使用conda install

conda install nb_conda

安裝完成后跪楞，發(fā)現(xiàn)可以看到conda下的虛擬環(huán)境，還是看不到virtualenv下的tensorflow環(huán)境侣灶，繼續(xù)查資料甸祭，使用ipykernel軟件包，通過(guò)pip安裝

sudo pip install ipykernel

安裝完成后褥影，使用下述命令建立tensorflow虛擬環(huán)境的Kernel池户，注意在tensorflow環(huán)境激活狀態(tài)下

python -m ipykernel install --user --name=tensorflow

這樣tensorflow Kernel就建立好了，嘗試了一下凡怎，不必在tensorflow環(huán)境激活狀態(tài)下啟動(dòng)jupyter-notebook校焦，也可以使用tensorflow Kernel!