看了下目前网上的caffe安装方式都比较老而且比较操蛋（真心的），目前对于ubuntu17.04以上的版本是可以直接通过apt install caffe-gpu方式进行安装的，强烈建议初学者（特别是自学的小伙伴）别把时间浪费在环境的安装上，等对Caffe有一定的了解再回过头来研究也不迟。
本次安装使用ubuntu17.04，cuda 9.0 cudnn7.0， 截止2018-5-28，cuda 9.0 + cudnn7.0的组合在ubuntu和win 10上对caffe和tensorflow以及其他框架的支持都比较好。
1.cuda和cudnn安装
新安装好的ubuntu系统是没有nvidia驱动的，但是安装cuda前需要先安装nvidia驱动，有一些安装nvidia驱动的教程会说让先禁用nouveau驱动然后怎么的怎么的，在这里呢，给大家介绍cuda的deb安装，这种方式会在装cuda的时候自动帮你装上nvidia驱动，一举两得，免去不少麻烦，而且安装的时候比较简单，不需要禁用nouveau，下载好deb包直接运行即可，下面先给出本次安装需要的cude deb包和cudnn的下载链接，之后再给出简洁的安装命令。
cuda deb下载地址：
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1704&target_type=deblocal
下载 Base Installer就可以了。
cudnn下载地址（需要注册个账号）：
https://developer.nvidia.com/rdp/cudnn-archive
cudnn我下载的是cuDNN v7.0.4 (Nov 13, 2017), for CUDA 9.0
下载好cuda和cudnn之后，会得到如下两个压缩包。
接着在这里给大家分享个我自己写的sh脚本，不过直接执行会有些问题，所以按着脚本逐条执行就不会出现什么问题。
首先呢，进入两个安装包的目录下，依次执行：
#安装cuda
sudo dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
#安装cudnn
tar -zxvf cudnn-9.0-linux-x64-v7.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*然后就算是安装完成了，接下来呢需要设置一下环境变量，在/etc/profile或者~/.bashrc加入：
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}至此cuda和cudnn安装完成，然后需要重启一下，重启之后输入nvidia-smi看下显卡驱动应该是安装好了，部分显卡在进程列表会有not support字样，忽略就好。
输入nvcc -V会显示cuda版本信息，注意这里的V是大写。
2.caffe安装
如果一切顺利，此时就可以用
apt install caffe-gpu
进行caffe安装了，这个就比较简单了直接在终端输入以上命令即可安装，大概需要一两分钟左右，然后就可以使用了。如果出现unable to locate package xxx的情况可以先执行apt update，在执行apt install caffe-gpu即可。
需要注意的是这种方式安装的caffe如果要在python中使用，那么需要选的python解释器应该是/usr/bin/python3。
至此caffe安装完毕可以直接使用。
在使用python的caffe时可能还需要安装一些库，如我比较常用opencv，scikit-learn，numpy，scikit-image等，安装的命令分别是：
pip3 install opencv-python
pip3 install scikit-learn
pip3 install numpy
pip3 install scikit-image
全部说完，祝大家学习愉快。
