1.安装ubuntu16.04（64位）
略。网上资料很多。
2.安装cuda-8.0
（1）卸载已有得显卡驱动
sudo apt-get --purge remove nvidia-*
（2）安装新cuda和驱动
sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64.deb
（3）安装更新
sudo apt-get update
（4）安装cuda Toolkit
sudo apt-get install cuda
（5）重启
reboot
到此就完成了cuda和驱动的安装，这是最新得安装方法，非常简单，网上的复杂方法都已经过时。
3.安装cuDNN-8.0库
（1）解压
tar zxvf cudnn-8.0-linux-x64-v5.0-ga.tgz
得到cuda文件夹里面含有lib64和include两个文件夹
（2）拷贝到系统目录
sudo ap cuda/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
如果报错，可能是文件权限问题，修改权限具体方法百度一下。
4.安装caffe
（1）安装必要的依赖库（已经包含opencv2）
sudo apt-get install build-essential
sudo apt-get install libatlas-base-dev
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler
（2）在https://github.com/BVLC/caffe上下载caffe并解压得到源码包
unzip caffe-master.zip
（3）修改配置文件Make.config
cd caffe-master
cp Makefile.config.example Makefile.config
vi Makefile.config
将# USE_CUDNN := 1前得#注释去掉，表示使用cuDNN，如果不是使用GPU，可以将# CPU_ONLY := 1前得注释去掉。这里我们使用cuDNN来加速。
（4）编译caffe
方法1：
mkdir build
cd build
cmake ..
make all -j8
这种方法一般不会出现问题。
方法2：
make all -j8
提示错误：src/caffe/net.cpp:8:18: fatal error: hdf5.h: No such file or directory
解决方法：https://github.com/NVIDIA/DIGITS/issues/156
cd /usr/lib/x86_64-linux-gnu
sudo ln -s libhdf5_serial.so.10.1.0 libhdf5_serial.so
sudo ln -s libhdf5_serial_hl.so.10.0.2 libhdf5_serial_hl.so
修改Makefile.config
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial/
即可。
（5）安装Python接口
make pycaffe
（6）测试
make test
make runtest
（7）测试caffe自带用例
sh data/mnist/get_mnist.sh
sh examples/mnist/create_mnist.sh
sh examples/mnist/train_lenet.sh
至此，caffe+linux环境搭建完成。至于MKL和opencv3可以选择自由选择安装，目前已经可以进行deeplearning学习与测试。