安装后会出现/usr/src/cudnn_samples_v7 的目录，把这个目录CP 到自己的家目录底下，并且Compiler 和执行。
cp -r /usr/src/cudnn_samples_v7 ~/
cd ~/cudnn_samples_v7/mnistCUDNN/
make clean && make
./mnistCUDNN
如果都成功的话会显示「Test passed」的字样。
到这边第一部分准备完成，可以进行第二部分Tensorflow 主程式的安装啰。
第二部分 Tensorflow GPU 版安装（Part 2 Install Tensorflow with GPU）
OS: Ubuntu 16.04.03 LTS (Server Version)
Python: 3.5.2
Tensorflow: 1.3.0
Graphics Card: Nvidia Tesla P100
Graphics Card Driver: NVIDIA-Linux-x86_64-384.81.run
CUDA Version: cuda_8.0.61_375.26_linux & cuda_8.0.61.2_linux (20171020时测试只能用cuda 8)，
cuda_9.0.176_384.81_linux (因Tensorflow 1.3.0尚未支援cuda 9)
cuDNN Version: cudnn-9.0-linux-x64-v7.tgz
Test Package: libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb
首先是安装和更新相关套件的版本。
apt-get install -y python-pip python-dev python-virtualenv # for Python 2.7
apt-get install -y python3-pip python3-dev python-virtualenv # for Python 3.X
再来是利用python 的虚拟环境来建立tensorflow 的运作环境。
virtualenv –system-site-packages targetDirectory # for Python 2.7
virtualenv –system-site-packages -p python3 targetDirectory # for Python 3.X
上面红色的安装路径可以由自己来决定，没有强制规定一定要放在哪里，以本例来说是放在/opt/tensorflow 下，你没特别指定的话，预设是你目前操作的使用者帐号的家目录底下。
安装完毕后就可以启动tensorflow 的执行环境了。
source /opt/tensorflow/bin/activate
可以看到你的命令提示字元前面多了一个「(tensorflow)」，代表已经启用了。安装完毕后可以先更新套件一下。（注意下面的指令需要在有「(tensorflow)」的时候使用才行）。
(tensorflow)$ pip install –upgrade tensorflow-gpu # for Python 2.7 and GPU
(tensorflow)$ pip3 install –upgrade tensorflow-gpu # for Python 3.n and GPU
可以开始来测试看看有没有正常运作，先输入以下指令。
(tensorflow)$ python
然后依序输入以下指令后你会看到程式回传给你「'Hello, TensorFlow'」的字样代表是有正常在运作的。
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
要离开tensorflow 的执行环境的话就输入：
(tensorflow)$ deactivate
