sudo sh cuda_8.0.27_linux.run
注意：执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia361驱动时，一定要选择否：
InstallNVIDIA AcceleratedGraphicsDriver for Linux-x86_64361.62?
因为前面我们已经安装了更加新的nvidia367，所以这里不要选择安装。其余的都直接默认或者选择是即可。
可能出现的错误：
当出现“unsupport complier”错误时，说明gcc版本太高，需要降低gcc版本。解决办法如下：
以gcc4.9与g++4.9为例
安装低版本gcc与g++：
apt-get install gcc-4.9g++-4.9
之后进入/usr/bin:
先删除和gcc5.0关联的gcc:
再建个软连接
（3）环境变量配置
打开~/.bashrc文件：
将以下内容写入到~/.bashrc尾部：
（4）测试CUDA的sammples
如果现实一些关于GPU的信息，则说明安装成功。
4.配置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,可能需要注册一个账号才能下载。由于本人的显卡是GTX1080，所以下载版本号如下图： 图4.cuDNN下载 下载cuDNN5.1之后进行解压，cd进入cuDNN5.1解压之后的include目录，在命令行进行如下操作：
再将cd进入lib64目录下的动态文件进行复制和链接：
5.安装opencv3.1
使用完上面的命令后，依赖已经安装完毕，但是由于Ubuntu 14.04版本的原因，导致opencv相关的环境不能够正常的work。所以，我重新编译了一个OpenCV，版本为3.1.0。
在解压后的目录中执行：
bigtop@bigtop-SdcOS-Hypervisor:~/tools/opencv-3.1.0$ cmake -DBUILD_TIFF=ON
然后执行make 和make install
以上是我亲自试过的。。
从官网(http://opencv.org/downloads.html)下载OpenCV,并将其解压到你要安装的位置，假设解压到了/home/opencv。
安装前准备，创建编译文件夹：
配置：
编译：
以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：
可能会出现的错误：
错误内容1：
说明gcc与g++版本不兼容，解决办法跟gcc版本太高时一样：
安装低版本gcc与g++：
之后进入/usr/bin:
先删除和gcc5.0关联的gcc:
再建个软连接
错误内容2：
这是因为opecv3.0与cuda8.0不兼容导致的。解决办法：
修改 ～/opencv/modules/cudalegacy/src/graphcuts.cpp文件内容，如图：
图5.文件修改
6.配置caffe
（1）将终端cd到要安装caffe的位置。
（2）从github上获取caffe：
注意：若没有安装Git，需要先安装Git：
（3）因为make指令只能make Makefile.config文件，而Makefile.config.example是caffe给出的makefile例子，因此，首先将Makefile.config.example的内容复制到Makefile.config：
（4）打开并修改配置文件：
根据个人情况修改文件：
a.若使用cudnn，则
b.若使用的opencv版本是3的，则
c.若要使用Python来编写layer，则
1配置python layers
2安装几个依赖
