ubuntu搭建开发环境踩坑实录
谨以此文，记录和ubuntu系统不死不休的搏斗过程，后续待补。
1.双系统安装，windows采用uefi模式安装（优启通可制作uefi的win10安装盘），ubuntu不要划分boot区，而应该划分uefi区，否则，不能被uefi引导
2.软件源都替换成清华或者阿里，blabla，否则被墙得泪流满面
清华镜像站：https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/
Ubuntu 的软件源配置文件是 /etc/apt/sources.list。将系统自带的该文件做个备份，将该文件替换为下面内容，即可使用 TUNA 的软件源镜像
# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse
#deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
#deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
#deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
# 预发布软件源，不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
3.显卡驱动照这个来 http://blog.csdn.net/u012759136/article/details/53355781
（1）去nvidia驱动官网下载驱动
（2）卸载原有驱动
（3）禁用nouveau
此处一定要重启！！！！
（4）禁用X服务
将进入命令行界面 Crtl+Alt+F1开启一个终端
（5）给驱动文件赋予权限
（6）安装
这里就是为什么驱动文件目录结构尽量浅且不要含中文的原因
不安装opengl文件的参数一定要加
痛点：中文目录尽量修改成英文，因为需要关闭X窗口用命令行来安装，命令行不支持中文
番外篇：
用此方法安装台式机时，一切顺利，安装我的960m小本本时，遇到麻烦。nvidia-settings显示不正确，后续cuda安装后也不能正常使用，仿佛是缺少了一个什么kernel文件有关。尝试用apt-get install的方式命令行直接安装成功（期间也提示缺少kernel文件，并自行下载了）。如果最后运行tf等库时出现链接问题，记得手动设置一下
sudo ldconfig /usr/local/cuda/lib64
在系统设置 附加驱动中查看推荐的驱动版本号：
关闭lightdm service后执行sudo apt-get install nvidia-375后来发生了几次驱动崩溃，run文件安装各种问题，使用apt-get顺利填过各种坑，强烈推荐优先使用这种方式来安装！
4.安装cuda8.0
这里选择下载runfile，因为deb的自带驱动程序，会把之前安装的驱动覆盖掉，使用runfile在第一步确认的时候，选择不要覆盖原驱动程序
sudo sh cuda_8.0.61_375.26_linux.run
声明路径环境变量
sudo vim ~/.bashrc
末尾添加：
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-8.0/bin:$PATH
设置用户环境变量
$ sudo vim /etc/profile
export PATH = /usr/local/cuda/bin:$PATH
创建链接文件：sudo gedit /etc/ld.so.conf.d/cuda.conf，文件中加上一行保存：/usr/local/cuda/lib64
5 安装cudnn5.1
5.0配合tensorflow1.2.1有问题，选择cudnn5.1
将解压后的文件复制到相应的文件夹中并建立软链接
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
验证：
（1）nvcc -V
（2）$cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
$make
$sudo ./deviceQuery
如果需要重装，首先进行卸载
apt-get --purge remove Nvidia*
7.科学计算 深度学习 tensorflow 等等等等请服用Anaconda！！！！！！！
在清华镜像源站下载anaconda3（最新版内含python3.6，匹配tensoflow1.4及cndnn6.0）
建立python3.5的虚拟环境（因为钟情于tensorflow1.2.1）
创建 conda create -n name python=3.5
启动 source activate name
退出 source deacivate
在该环境下安装所有python相关包及tensorflow（参照清华镜像文件的提示来安装），及spyder！对，你需要在该虚拟环境下重新安装spyder，而不是使用anaconda3全局的spyder，否则会直接使用python3.6的内核来启动spyder。
