1、系统启动盘(ultraISO)制作启动盘，
1/5 文件-》打开，打开我们的iso镜像
2/5 选择我们的u盘，
3/5 点击启动-》写入硬盘映像 4/5 写入方式选择raw,格式化然后写入
lubuntu-lightweight,fast,easier(https://lubuntu.net/)DOENLOAD
Download Version 16.04.3LTS lubuntu Desktop 64-bit | Magnet/Torrent (下载iso镜像文件)
2、安装ubuntu16.04
Install Ubuntu
选择语言
我现在不想链接wifi无线网络
不选
清除整个磁盘并安装ubuntu
选择区域上海
设置语言
设置用户名和密码sinoagg 123456
安装
sudo apt update
3、换源：
ubuntu16.04 换源(https://blog.csdn.net/u013066730/article/details/79377273)
cd /etc/apt/
sudo cp sources.list sources.list.bak
sudo vi sources.list
# deb cdrom:[Ubuntu 16.04 LTS _Xenial Xerus_ - Release amd64 (20160420.1)]/ xenial main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security multiverse
sudo apt-get update
4、cuda 9.0 安装（搜索 ：下载cuda9.0 - CUDA Toolkit 9.0 Downloads | NVIDIA Developer）(https://blog.csdn.net/abc869788668/article/details/78331047)
`sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb`
`sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub`
`sudo apt-get update`
`sudo apt-get install cuda
安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
重启
测试CUDA的例子
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
如果显示的是关于GPU的信息，则说明安装成功了。
然后设置环境变量和动态链接库，在命令行输入：
nvidia-smi
5、安装cudnn
进入解压后的cudnn-9.0-linux-x64-v7.0.tgz文件cuda，在终端执行下面的指令安装：
tar -zxvf cudnn-9.0-linux-x64-v7.0.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
---------------------
然后更新网络连接：
cd /usr/local/cuda/lib64/
sudo chmod a+r libcudnn.so.7.0.5 # 自己查看.so的版本
sudo ln -sf libcudnn.so.7.0.5. libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so
sudo ldconfig
6、tensorflow-gpu==1.5安装
sudo apt-get install python3-pip
#E:Unable to lock the administration directory /var/lib/dpkg/,is another process using it?
重启，问题解决。
sudo pip3 install tensorflow-gpu==1.5
sudo pip3 install opencv-python
sudo pip3 install keras
折腾了一下午，好不容易安装通过了，手动安装显卡驱动，会报老多错误，直接用cuda中带的驱动，更简单。驱动版本是384.13，cuda9.0+cudnn7.0.5+tensorflow-gpu==1.5,主板BT19NA，装tensorflow-gpu==1.8报错。