目前，大多情况下，能搜到的基本上都Ubuntu 14.04.或者是Ubuntu 16.04的操作系统安装以及GPU 环境搭建过程，本文就目前自身实验室环境进行分析，总结一下安装过程。
1.实验室硬件配置（就需要而言）：
- GPU: GeForce titan xp 12G 显存
- 内存： 64G
- 硬盘 ：512 SDD +2T 机械
- 主板： 微星 x299 SLI PLUS
就配置而言，唯一有遗憾的就是主板，微星主板安装Ubuntu 各种报小毛病，打电话给微星客服，客服说，这块主板供应商只在Window 10 环境下进行过测试，但是，Linux 系统，不知道行不行得通，让我自己想办法解决，-_-|| 。 此处还是建议要采购设备的主板选择技嘉或者华硕的，注意看主板是否支持安装Linux操作系统。
2 .Ubuntu 18.04 系统安装
首先，建议制作U盘启动盘进行安装，安装时需要设定主板 grub+legacy方式（重启进bios，boot项里面的），本人在安装系统时，尝试安装了各种版本的Ubuntu系统，包括14.01、14.03、16.01、16.03、16.04，均未成功，所有的问题，都是，系统安装到一半，直接就报错，无法安装，在网上查找了许久，据说是显卡的问题导致的，有相关文档说，18.04版本可以避免这个问题。于是，尝试安装Ubuntu 18.04版本，OK ，进行安装配置。安装成功。
大家在安装好系统后，要记得更新源。
3.安装GPU（针对Ubuntu 18.04）
进入系统后，系统默认是使用主板上的集成显卡，那么，我们需要做的事就是安装上自己的独立显卡，也就是titan xp的驱动。
此处给大家示范其中一个方法（自己的显卡对应自己的信息，以下只是示例）：
具备条件：root权限进行操作
修改root密码：
$ sudo passwd 输入两次新密码
$ su root 登陆 root账户
显卡驱动安装：
step .1：首先，检测你的NVIDIA图形卡和推荐的驱动程序的模型。执行命令：
$ ubuntu-drivers devices
输出结果为：
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001180sv00001458sd0000353Cbc03sc00i00
vendor : NVIDIA Corporation
model : GK104 [GeForce GTX 680]
driver : nvidia-304 - distro non-free
driver : nvidia-340 - distro non-free
driver : nvidia-384 - distro non-free recommended
driver : xserver-xorg-video-nouveau - distro free builtin
== cpu-microcode.py ==
driver : intel-microcode - distro free
从中可以看到，这里有一个设备是GTX 680 ，对应的驱动是NVIDIA -304,340,384 ，而推荐是安装384版本的驱动。
step.2，安装驱动
你可以选择，安装所有推荐的驱动，如下命令
$ sudo ubuntu-drivers autoinstall
你也可以选择，只安装其中一个驱动，命令如下
$ sudo apt install nvidia-340
OK 驱动安装完成，重新启动，查看系统配置---》详细信息---》关于 ，图形处理是否对应于自己的独立显卡。
4.安装CUDA（针对18.04）
安装CUDA 这里需要注意;
咱们需要根据cuDNN 来选择，如图，首先，cuda只能支持17.04,16.04的ubuntu 下载安装，但，实际上，有点类似于word一样（高版本word能打开低版本的word文件 .）18.04版本的系统，能够安装16.04版本对应的CUDA。
目前cuda 最高版本为9.2，且只支持 16.04,17.04 这两个系统，而且，我们安装完CUDA 之后还需要安装cuDNN。
那么cuDNN 的版本又有什么选择呢，如下
首先，根据cuDNN 的版本，目前，较为完善的，是cuDNN v7.0.5 ,其适用于 CUDA 9.1 版本，所以，咱们在选择安装cuda的时候，选择 CUDA 9.1。下载地址
按下图进行选择
对应的有一下四个文件，需要统统下载，第一个是主文件，后3个相当于补丁。
开始安装：
step .1 GCC 降级
由于CUDA 9.0仅支持GCC 6.0及以下版本，而Ubuntu 18.04预装GCC版本为7.3，
故手动进行降级：
sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8
装完后进入到/usr/bin目录下
$ls -l gcc*
会显示以下结果
lrwxrwxrwx 1 root root 7th May 16 18:16 /usr/bin/gcc -> gcc-7.3
发现gcc链接到gcc-7.0, 需要将它改为链接到gcc-4.8，方法如下:
sudo mv gcc gcc.bak #备份
sudo ln -s gcc-4.8 gcc #重新链接
同理，对g++也做同样的修改：
ls -l g++*
lrwxrwxrwx 1 root root 7th May 15:17 g++ -> g++-7.3
需要将g++链接改为g++-4.8:
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++
再查看gcc和g++版本号：
gcc -v g++ -v
均显示gcc version 4.8 ，说明gcc 4.8安装成功。
step. 2 安装cuda ,及其补丁
输入命令安装Base Installer：
sudo sh cuda_9.1.85_387.26_linux.run
需要注意的是，之前已经安装过显卡驱动程序，故在提问是否安装显卡驱动时选择no,其他 选择默认路径或者yes即可。
然后，继续执行以下操作安装3个 patch ：
sudo sh cuda_9.1.85.1_linux.run
sudo sh cuda_9.1.85.2_linux.run
sudo sh cuda_9.1.85.3_linux.run
安装完毕之后，将以下两条加入.bashrc文件中.
sudo vim ~/.bashrc
export PATH=/usr/local/cuda-9.1/bin${PATH:+:$PATH}} #注意，根据自己的版本，修改cuda-9.2/9.0...
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} #注意，根据自己的版本，修改cuda-9.2/9.0...
OK ,那么，到这一步，cuda 就安装完成了
5.安装cuDNN（针对18.04）
cuDNN 的安装，就是将 cuDNN 包内的文件，拷贝到cuda文件夹中即可。
step.1按照第四点分析的内容，我们需要下载的cuDNN 版本为
cuDNN v7.0.0 library for liunx，下载地址（需要注册才能进行下载）
下载完毕后，切到默认的Downloads文件夹，可以看到 cudnn-9.1-linux-x64-v7.tgz 压缩包
先解压，然后将其中的内容复制到CUDA安装文件夹里面.
step.2 复制cuDNN内容到cuda相关文件夹内
sudo cp cuda/include/cudnn.h /usr/local/cuda/include 注意，解压后的文件夹名称为cuda ,将对应文件复制到 /usr/local中的cuda内
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
到此处，所以的安装就完成。
接下来就可以安装相应的软件，如：anaconda,pycharm tensorflow 等。
Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安装
Ubuntu 16.04系统下CUDA7.5配置Caffe教程
Caffe在Ubuntu 14.04 64bit 下的安装
深度学习框架Caffe在Ubuntu下编译安装
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明
Ubuntu 16.04上安装Caffe
Caffe配置简明教程 ( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1 / OpenCV 3.1 )
Ubuntu 16.04安装 Caffe GPU版
Ubuntu 16.04上安装Caffe(CPU only)
Ubuntu 16.04下安装CUDA8.0+Caffe+TensorFlow-GPU+Pycharm过程（Simple）