今天刚配置了tensorflow，趁热打铁，把过程记录下来，给自己和别人一个参考。
首先安装Ubuntu16.04 。用官网的镜像用UltraISO制作启动优盘安装，具体过程不介绍了。
要安装Tensorflow，首先要安装Cuda 和cuDNN 。（当然，如果你只想用CPU训练，那就不用安装这两个包，直接跳到安装Tensorflow的位置就好啦）
官网上提供了很多种安装Tensorflow的方式，这里我们用最傻瓜的一种：
用PIP直接安装。这种安装方式优点：简单，不容易出错
缺点：太简单了，以至于依赖库的版本不能自己定制，所以，如果你要按照这个步骤安装，切记看好标题中我给出的Cuda和cuDNN的版本，别下载错了（不是这个版本识别不到） 。
如果你不是安装Tensorflow 1.2，那么一定要到Tensorflow的官网找到你安装的Tensorflow版本需要的Cuda和cuDNN版本，切勿下载了错的版本。下面开始介绍安装步骤：
首先安装Cuda：
到https://developer.nvidia.com/cuda-downloads 下载需要的Cuda安装包，并且按照官网的要求输入命令即可，这里我下载的设置如下图：（大家根据自己的需要更改）
按照官网，我们下载完安装包后输入以下命令完成安装：
sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda
下一步安装cuDNN：
到 https://developer.nvidia.com/cudnn 去下载cuDNN（注意版本，注意版本，注意版本）。这个要下载前要先用邮箱免费注册个账号，加入什么开发者计划。（比较简单，几分钟搞定）
下载完了之后是个压缩包。这个安装更简单，解压后会得到include 和lib64两个文件夹。安装完Cuda后，你会在/usr/local/cuda下也找到include 和lib64两个文件夹。把你解压出的文件分别复制到/usr/local/cuda下的同名文件夹中就完成了。（简单说就是Cuda少几个文件，咱们给它补充上）
这两步做完之后，将下面的东西加到环境变量：（你可以选择你喜欢的添加方式）
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"
export CUDA_HOME=/usr/local/cuda至此，我们初期准备就差不多了。根据官网要求，我们还应该安装一个叫libcupti的库，即NVIDIA CUDA Profile Tools Interface，就输入以下命令即可。
sudo apt-get install libcupti-dev下面我们来安装Tensorflow。原版的Ubuntu16.04里是没有pip的（python 3应该是自带pip的，我没有尝试，我这里使用的python 2.7），所以我们要先安装pip。用apt-get的方式安装pip总有各种依赖错误，这里给大家推荐另一种方式：
到https://pip.pypa.io/en/stable/installing/ 下载get-pip.py。然后运行：
sudo python get-pip.py这样就完成了pip的安装。最后我们安装tensorflow：
要安装最新版的tensorflow，只需以下命令：（自己选适用的哈）
sudo pip install tensorflow # Python 2.7; CPU support (no GPU support)
sudo pip3 install tensorflow # Python 3.n; CPU support (no GPU support)
sudo pip install tensorflow-gpu # Python 2.7; GPU support
sudo pip3 install tensorflow-gpu # Python 3.n; GPU support 如果上面的失败了，或者你想指定版本，可以采用这种方式：
sudo pip install --upgrade tfBinaryURL # Python 2.7
sudo pip3 install --upgrade tfBinaryURL # Python 3.n 这里tfBinaryURL 换成tensorflow的镜像URL。这些URL可以在
https://www.tensorflow.org/install/install_linux#the_url_of_the_tensorflow_python_package找到。比如1.2版本的GPU的镜像URL如下：
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp27-none-linux_x86_64.whl
好了，至此，安装就应该完成了。
新建一个python文档，输入以下代码：
# -*- coding: utf-8 -*-
import tensorflow as tf
import numpy as np
# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300
# 构造一个线性模型
#
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化变量
init = tf.initialize_all_variables()
# 启动图 (graph)
sess = tf.Session()
sess.run(init)
# 拟合平面
for step in xrange(0, 201):
sess.run(train)
if step % 20 == 0:
print step, sess.run(W), sess.run(b)
# 得到最佳拟合结果 W: [[0.100 0.200]], b: [0.300]然后执行，就可以发现输出的数值一步步接近最佳拟合的那个数值啦。至此，你的Tensorflow之旅开始了。
后记：至此，如果你的电脑在运行tensorflow时不能在屏幕中打印出你的显卡型号（GPU版本哈，用CPU的忽略），并且训练速度比较慢，提示一些硬件警告，训练时候显卡也不发热。。。。那么你的显卡的驱动程序有问题。你需要重新安装显卡驱动。
（我在安装GTX 740显卡的时候，并不需要这一步，linux自带的驱动可以用，但是给GTX 1070显卡安装的时候，就发现默认的驱动无法工作，和你的显卡型号关系很大）
别担心，安装过程不麻烦。
首先干掉原来的驱动程序。
sudo ls -lh /etc/modprobe.d/blacklist.conf
sudo chmod 666 /etc/modprobe.d/blacklist.conf
sudo gedit /etc/modprobe.d/blacklist.conf改属性好用gedit编辑驱动程序配置文件。打开后，在文件末尾添加几行：
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb然后保存，就干掉了原来的显卡驱动。
怎么装新的呢？我们要进入纯命令行模式（我们不能依赖显卡驱动）
按Ctrl+Shift+F1（F1-F6看你喜欢啦，都可以），输入用户名，密码登录。
输入以下命令：
sudo service lightdm stop
sudo apt-get install nvidia-367
sudo service lightdm start这三句话分别意思是：
1 杀死图形界面服务
2 安装驱动（注意，上网查查你的显卡对应的数字是多少，1070 是 nvidia-367）
3 重启图形服务
上面的命令执行后会自动转到图形界面，因为之前Ubuntu系统集成的显卡驱动程序nouveau被禁用了，这时候可能无法显示图形界面，此时再按下Ctrl+Alt+F1进入命令行模式，输入reboot 重启计算机即可。
到此，你的tensorflow就完全配置成功了。本教程本人亲手在两台计算机上试验过，应该比较全面了，希望对大家有所帮助。
关于显卡驱动程序安装一部分，本人参考了以下文章，感谢原作者的帮助 。
http://www.2cto.com/kf/201702/594221.html