在网上找了很多案例，踩了许多坑，感觉比较全面的是下面介绍的
http://www.cnblogs.com/xuliangxing/p/7575586.html
先说说我的步骤：
首先安装了Anacoda，因为是科学运算环境，所以先安装了最新版，所以对应的Python 3.6
安装显卡驱动：GTX950M 安装了最新的 390驱动，担心不兼容，所以都用最新的
安装cuda，这个坑最后才发现，因为安装最新的9.1版本，最后tensorflow只找9.0的文件。所以，这个地方一定要选其他release版本->9.0
首先在官网（https://developer.nvidia.com/cuda-downloads）下载对应的CUDA，如图所示：
（1）安装缺失的依赖库文件
命令如下：
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1 #安装依赖库
（2）安装执行文件
sudo sh cuda_8.0.61_375.26_linux.run #执行安装文件
注意：安装过程中会提示你进行一些确认操作，首先是接受服务条款，输入accept确认，然后会提示是否安装cuda tookit、cuda-example等，均输入Y进行确定。但请注意，当询问是否安装附带的驱动时，一定要选N！
因为前面我们已经安装好最新的驱动NVIDIA381,附带的驱动是旧版本的而且会有问题，所以不要选择安装驱动。其余的都直接默认或者选择是即可。
（3）设置环境变量
- 输入命令，编辑环境变量配置文件
sudo vim ~/.bashrc
- 在文本末端追加以下两行代码（按键“i”进行编辑操作）
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda
- 保存退出（按“!wq”），执行下面命令，使环境变量立刻生效
#环境变量立即生效
sudo source ~/.bashrc
sudo ldconfig
如图所示：
（4）检查cuda是否配置正确
到这一步，基本的CUDA已经安装完成了，我们可以通过以下命令查看CUDA是否配置正确：
nvcc --version
如图所示：
（5）测试CUDA的sammples
为什么需要安装cuda samples？一方面为了后面学习cuda使用，另一方面，可以检验cuda是否真的安装成功。如果cuda samples全部编译通过，没有一个Error信息（Warning忽略），那么就说明成功地安装了cuda。如果最后一行虽然显示PASS，但是编译过程中有ERROR，请自行网上搜索相关错误信息解决之后。
# 切换到cuda-samples所在目录
cd /usr/local/cuda-8.0/samples 或者 cd /home/NVIDIA_CUDA-8.0_Samples
# 没有make，先安装命令 sudo apt-get install cmake，-j是最大限度的使用cpu编译，加快编译的速度
make –j
# 编译完毕，切换release目录（/usr/local/cuda-8.0/samples/bin/x86_64/linux/release完整目录）
cd ./bin/x86_64/linux/release
# 检验是否成功，运行实例
./deviceQuery
# 可以认真看看自行结果，它显示了你的NVIDIA显卡的相关信息，最后能看到Result = PASS就算成功。
如图所示：
输出结果看到显卡相关信息，并且最后Result = PASS ，这说明CUDA才真正完全安装成功了
然后是安装cuDNN 这个也是按照原网址说明的步骤即可
2.1、下载cuDNN
cuDNN是GPU加速计算深层神经网络的库。首先去官网(https://developer.nvidia.com/rdp/cudnn-download)下载cuDNN，需要注册一个账号才能下载，没有的话自己注册一个。由于本人的显卡是GTX1080Ti，所以下载版本号如图所示，最新的版本是v7：
2.2、安装cuDNN
安装cudnn比较简单，简单地说，就是复制几个文件：库文件和头文件。将cudnn的头文件复制到cuda安装路径的include路径下，将cudnn的库文件复制到cuda安装路径的lib64路径下。具体操作如下
1 #解压文件
2 tar -zxvf cudnn-8.0-linux-x64-v7.tgz
3
4 #切换到刚刚解压出来的文件夹路径
5 cd cuda
6 #复制include里的头文件（记得转到include文件里执行下面命令）
7 sudo cp /include/cudnn.h /usr/local/cuda/include/
8
9 #复制lib64下的lib文件到cuda安装路径下的lib64（记得转到lib64文件里执行下面命令）
10 sudo cp lib* /usr/local/cuda/lib64/
11
12 #设置权限
13 sudo chmod a+r /usr/local/cuda/include/cudnn.h
14 sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
15
16 #======更新软连接======
17 cd /usr/local/cuda/lib64/
18 sudo rm -rf libcudnn.so libcudnn.so.7 #删除原有动态文件，版本号注意变化，可在cudnn的lib64文件夹中查看
19 sudo ln -s libcudnn.so.7.0.2 libcudnn.so.7 #生成软衔接（注意这里要和自己下载的cudnn版本对应，可以在/usr/local/cuda/lib64下查看自己libcudnn的版本）
20 sudo ln -s libcudnn.so.7 libcudnn.so #生成软链接
21 sudo ldconfig -v #立刻生效
备注：上面的软连接的版本号要根据自己实际下载的cudnn的lib版本号
如图所示：
最后我们看看验证安装cudnn后cuda是否依旧可用
nvcc --version # or nvcc -V
最后安装最新版的tensorflow
大家可以参考TensorFlow的官方安装教程（https://www.tensorflow.org/install/），官网提供的了 Pip, Docker, Virtualenv, Anaconda 或 源码编译的方法安装 TensorFlow，我们这里主要介绍以Anaconda安装。其他安装方式，大家可以到官方安装教程查看。
3.1安装TensorFlow
通过Anaconda安装TensorFlow CPU，TensorFlow 的官方下载源现在已经在GitHub上提供了（https://github.com/tensorflow/tensorflow），找到对应的版本号，如图所示：
（1）、创建一个名为tensorflow的conda环境Python 3.6
#Python 2.7
conda create -n tensorflow python=2.7
#Python 3.4
conda create -n tensorflow python=3.4
#Python 3.5
conda create -n tensorflow python=3.5
#Python 3.6
conda create -n tensorflow python=3.6 #我下的TensorFlow对应的Python是3.6版本，那么我就使用这行
备注：(根据TensorFlow版本号，一定要设置Python版本号，切记切记切记！！！！！重要的事情说三遍！否则后面会报各种错的)
（2）、激活 conda 环境
source activate tensorflow
（3）、TensorFlow 各个版本（最新的貌似是1.3的版本了）
然后根据要安装的不同tensorflow版本选择对应的一条下载链接（操作系统，Python版本，CPU版本还是CPU+GPU版本），官方文档都有相关信息。
Python 2.7
CPU:
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.3.0-cp27-none-linux_x86_64.whl
GPU:
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0-cp27-none-linux_x86_64.whl
===============================================================================================
Python 3.4
CPU:
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.3.0-cp34-cp34m-linux_x86_64.whl
GPU:
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0-cp34-cp34m-linux_x86_64.whl
===============================================================================================
Python 3.5
CPU:
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.3.0-cp35-cp35m-linux_x86_64.whl
GP:
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0-cp35-cp35m-linux_x86_64.whl
===============================================================================================
Python 3.6
CPU:
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.3.0-cp36-cp36m-linux_x86_64.whl
GPU:
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.3.0-cp36-cp36m-linux_x86_64.whl
按照原地址说明继续安装测试即可