在安装tensorflow之前，首先列示一下我的配置：Ubuntu16.04lts系统，Geforce840M显卡，Cuda8.0，Cudnn v5.1，Anaconda python2.7环境。
1.安装Cuda
首先下载Cuda8.0（https://developer.nvidia.com/cuda-downloads）
然后进入下载目录，执行下列命令，即可安装Cuda
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
安装完成后，配置环境变量，在home下的.bashrc中加入
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda:$CUDA_HOME
2.安装Cudnn
Cuda8.0支持Cudnn v5.0和v5.1，但是在安装tensorflow之后测试其示例代码mnist时，提示该代码基于Cudnn v5.1生成，因此我又改成了v5.1。
下载Cudnn v5.1（https://developer.nvidia.com/cudnn），进入下载目录，执行下列命令：
tar xvzf cudnn-8.0-Linux-x64-v5.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn.so* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn.so*
上面第2、3行就是把Cudnn的头文件和库文件复制到Cuda路径下的include和lib目录。
3.使用Anaconda安装tensorflow
首先新建一个conda环境，命名为tensorflow
conda create -n tensorflow Python=2.7
然后激活该环境并在该环境下安装tensorflow
source activate tensorflow
由于使用conda安装的tensorflow只有CPU版本，所以我们使用pip安装，
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl
pip install –ignore-installed –upgrade $TF_BINARY_URL
如此，便完成GPU版本的tensorflow安装。使用完毕后，需要关闭tensorflow环境
source deactivate
可以简单测试一下tensorflow是否安装成功
$ python
...
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session() #在该步会显示电脑的显卡信息
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>
tensorflow自带几个示例程序，详细位置如下：
…/anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/models
Anaconda2是Anaconda的安装位置，第一个tensorflow为conda创建的名字为tensorflow的环境，第二个tensorflow即安装的tensorflow包。进入image下的mnist目录，然后运行python convolutional.py就是对mnist的训练过程。