本文将以 Linux 系统下安装 tensorflow 为例来讲解计算机视觉开发环境的搭建过程。
1、安装 nvidia 驱动
首先去 Nvidia 官网上查看适合你的 GPU 的驱动（http://www.nvidia.com/Download/index.aspx?lang=en-us）。选择 GPU 产品类型（以下用的是 NVIDIA TITAN Xp），查找适合的驱动如下图：
找到的驱动版本如下所示：
下载 NVIDIA 驱动安装包（.run格式）。下载后的文件为：
run 格式文件安装较麻烦，首先要禁用 nouveau 驱动。Nouveau 是由第三方为 NVIDIA 显卡开发的一个开源 3D 驱动。Ubuntu 默认集成了 Nouveau 驱动。而用户在安装 NVIDIA 官方私有驱动的时候 Nouveau 又成为了阻碍。若不禁用 Nouveau，安装时总是报错。具体步骤如下：
-
nouveau禁止命令写入文件
文件末尾添加以下语句：
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm‐nouveau off
调用指令禁止nouveau
更新内核
重启系统
进入tty模式
关闭x server
sudo init 3
切换NVIDIA安装包指定目录,赋予权限并进行安装
mv NVIDIA‐Linux‐x86_64‐410.78.run nvidia.run
chmod +x nvidia.run
sudo sh nvidia.run ‐‐no‐opengl‐files
备注：no前面是双杠号，安装时可能有出错提示，不用理会，继续安装。
安装成功后，在图形界面下可以通过命令：
查看自己机器上详细的 GPU 信息，机器的信息如下：
执行完上述后，重启系统：
2、安装 CUDA
cuda 是 nvidia 的编程语言平台，想使用 GPU 就必须要使用 cuda。从这里下载 cuda9.0 (https://developer.nvidia.com/cuda-toolkit)的安装文件。
首先选择合适的版本。
下载安装文件和补丁文件：
下载后的文件如下：
cuda_9.0.176.1_linux.run
cuda_9.0.176.2_linux.run
cuda_9.0.176.3_linux.run
cuda_9.0.176.4_linux.run
执行如下语句，运行 runfile 文件：
sudo sh cuda_9.0.176.1_linux.run
sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run
因为 Nvidia 驱动已经安装，这里就不要选择安装 Nvidia 驱动。其余的都直接默认或者选择是即可。使用：
打开 profile 文件，在末尾处添加（注意不要有空格，不然会报错):
exportLD_LIBRARY_PATH=/usr/local/cuda‐9.0/lib64$LD_LIBRARY_PATH
重启电脑：
测试 cuda 的 Samples
sudo make
./deviceQuery
如果显示的是有关 GPU 的信息，则说明安装成功了。测试 cuda 也可以通过命令：nvcc -V 查看。输出如下图所示:
3、安装 cuDNN
去官网下载与 CUDA 9.0 搭配的 cudnn 版本。下载 cudnn 需要注册一个NIVDIA账号。
https://developer.nvidia.com/rdp/cudnn-download
我下载的是 cuDNN v7.4.2。在下图所示选择 cuDNN Library for Linux，下载 cudnn-9.0-linux-x64-v7.4.2.24.tgz
解压：
拷贝相关的库文件:
sudo cp lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
删除文件原来的软链接:
sudo rm libcudnn.so libcudnn.so.7 //删除原来的链接sudo ln ‐s libcudnn.so.7.4.2 libcudnn.so.7 //生成新的链接
sudo ln ‐s libcudnn.so.7 libcudnn.so
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*sudo ldconfig
4、安装Anaconda
Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。
1、先去官方地址下载好对应的安装包
Ubuntu – anaconda 下载地址：https://www.anaconda.com/download/#linux
2、然后安装anaconda
anaconda 会自动将环境变量添加到PATH里面，如果后面你发现输出 conda 提示没有该命令，那么你需要执行命令 source ~/.bashrc 更新环境变量，就可以正常使用了。如果发现这样还是没用，那么需要添加环境变量。编辑 ~/.bashrc 文件，在最后面加上
保存退出后执行：source ~/.bashrc 再次输入conda list测试看看，应该没有问题！
3、 anaconda 国内镜像配置清华 TUNA 提供了 Anaconda 仓库的镜像，运行以下命令:
conda config ‐‐add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config ‐‐set show_channel_urls yes
即可添加 Anaconda Python 免费仓库。
5、使用 Anaconda 安装 TensorFlow
创建tensorflow环境，环境名字可自己确定，这里本人使用tfgpu作为环境名:
备注：python 的版本可自己选择。这里的 python 是安装在 tfgpu 环境下，不是 Ubuntu 自带的 Python 2.7。
安装成功后激活 tfgpu 环境：
source activate tfgpu
在所创建的 tfgpu 环境下安装 tensorflow 的 gpu 版本, 执行命令：
备注：所安装的 tensorflow-gpu 版本号可自己确定，这里本人安装的是1.9.0。
6、使用 Anaconda 安装 jupyter notebook 和 spyder
如果 tfgpu 环境没有激活，运行下面的命令来启用 TensorFlow 环境，
运行下面的命令 conda install ipython 以及 conda install jupyter 安装jupyter notebook。
执行命令 jupyter notebook，打开一个新的 Jupyter Notebook，输入一行 import tensorflow as tf 并运行，如果没有出现任何错误，那么就安装成功了。
为了使用 TensorFlow，需要在tfgpu环境下安装spyder：
注意: 这里安装的 jupyter notebook 和 spyder 是安装在 tfgpu 环境下，不是Anaconda自带的 jupyter notebook 和 spyder，这样它们才能使用 TensorFlow。每次使用时，需要先激活 tfgpu 环境。
7、直接安装 tensorflow (不使用 Anaconda)
安装 tensorflow
安装 CPU 版本：
安装 GPU 版本：
安装指定版本号的 GPU 版本：
安装缺少的数值计算和数据分析相关包
安装 keras:
安装scikit-image
安装 h5py:
安装 seaborn:
其它包的安装根据所要开发的任务需要来安装即可。
至此，tensorflow 开发环境就配置好啦！