Ubuntu16.04的安装较为简单，我使用的是UltraISO制作U盘启动盘，具体的操作可以看这个链接：
http://jingyan.baidu.com/article/3c48dd348bc005e10be358eb.html
值得注意的是在硬盘分区上，我的硬盘是1T的机械硬盘和128G的固态硬盘。网上有说可以把Ubuntu16.04的一部分放在固态上，可以加快速度。但是我也在固态上装了win10，担心要是重装系统时引导区会有问题，所以我把Ubuntu16.04全部放在了机械硬盘里。我给Ubuntu的总大小为340G左右，分区情况如下：
/ :30G
/boot: 500M
swap:8G(和内存空间相同)
/home: 300G
这一步网上的说法有很多很多，我尝试了使用系统自带的附加驱动和从NVIDIA官网上下载驱动，但是最终都没有摆脱循环开机界面的结局。
但经过多次尝试和搜索，我终于找到了符合我这样电脑的方法，大神的链接如下：
http://www.cnblogs.com/supersponge/p/6490804.html
这里面大神已经说的非常详细了，我就把真正对我有用的操作部分写一下：
1.从Nvidia官网查找对应的显卡驱动，链接如下：
http://www.nvidia.cn/Download/index.aspx?lang=cn
尽可能找满足自己系统的最新的驱动。
2.后面就按照大神的指令安装就好了，非常简单。
打开一个终端窗口，运行以下命令（添加nvidia官方驱动包源）
$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt-get update安装驱动（对应我的gtx1060显卡，最新的驱动是381）
$ sudo apt-get install nvidia-381 nvidia-settings3.但是在安装过程中会出现多个对话框，要注意正确选择，否则就会造成循环进入开机界面。
【1】它会提示我们是否要Disable security boot，一定要选择“是”，关闭security boot。
【2】后面，它为了防止是病毒关闭了security boot，还会让我们设置一个验证码，设置12345678即可，它在开机的时候会让我们输入对应位数的数字，这样设置最方便。
【3】等驱动安装完毕，重启计算机后还要注意，它会提示我们是（1）boot还是（2）Change boot state，一定要选择（2）改变boot状态，否则还会出现循环登录。
完成以上所有步骤后，Nvidia显卡驱动安装成功！为了确认，你可以打开系统的System settings，查看有没有出现Nvidia的显卡信息，如果有的话，说明就已经成功安装了Nvidia的显卡驱动了。
要学习caffe或者tensorflow,cuda是少不了的。先从Nvidia官网下载适合你电脑的cuda。下载链接： https://developer.nvidia.com/cuda-release-candidate-download。
(pic:https://img-blog.csdn.net/20160824135852933)
下载好后，执行：
sudo sh cuda_8.0.61_linux.run安装过程中，会问你好几个问题。只要注意问你要不要安装Nvidia显卡驱动时选择no就好了。(Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62? n)其它的都可以选择yes。
完成后，执行：
sudo gedit ~/.bashrc在末尾添加：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}保存后：
source ~/.bashrc完成后测试是否安装成功：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
make
sudo ./deviceQuery如果在最后一行显示PASS,并出现了Nvidia的显卡信息，则安装成功。
也可以使用
nvidia-smi检查显卡信息。
最新的Tensorflow只支持cudnn6.0以上版本，所以选择安装cudnn6.0。还是要去Nvidia官网下载cudnn压缩包，链接：https://developer.nvidia.com/rdp/cudnn-download
（pic:https://img-blog.csdn.net/20160824135909011）
解压后，将其中的include和lib64文件夹分别复制到/usr/local/cuda文件夹下：
cd cuda
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/ 然后建立软链接：
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.6 #删除原有动态文件
sudo ln -s libcudnn.so.6.0.21 libcudnn.so.6 #生成软衔接
sudo ln -s libcudnn.so.6 libcudnn.so #生成软链接记得将版本号改为自己的。
Ubuntu16.04对应的ros版本为Kinetic。这部分按照官网说明安装即可，基本不会出什么问题。链接：http://wiki.ros.org/kinetic/Installation/Ubuntu
多次实践证明Opencv3是需要安装的。然而在Caffe的安装中使用Opencv3比较好，所以我使用了源码安装Opencv3。直接使用官网上的源码安装。链接：http://opencv.org/releases.html 。选择了Opencv3.2的Source,就可以下载安装包了。
然后解压到需要安装的位置，进入解压出的文件夹opencv-3.2.0下，执行：
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D
CMAKE_INSTALL_PREFIX=/usr/local ..
make -j8编译成功后安装
sudo make install最后检查安装是否成功：
pkg-config --modversion opencv 这部分参考http://blog.csdn.net/yhaolpz/article/details/71375762的内容就可以了。
在要安装的地方执行：
git clone https://github.com/BVLC/caffe.git进入caffe目录，执行：
sudo cp Makefile.config.example Makefile.config然后打开Makefile.config:
sudo gedit Makefile.config修改Makefile.config里的一些配置：
1、可以不修改cudnn。使用cudnn可能可以提速30%左右，Caffe里不一定需要用cudnn。
2、修改Opencv版本
将
#OPENCV_VERSION := 3
修改为：
OPENCV_VERSION := 33、使用Python_layer
将
#WITH_PYTHON_LAYER := 1
修改为
WITH_PYTHON_LAYER := 14、修改 python 路径
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
修改为：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial 然后修改 caffe 目录下的 Makefile 文件：
将：
NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
替换为：
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)将：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
改为：
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial然后修改 /usr/local/cuda/include/host_config.h 文件 :
将
#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
改为
//#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!最后进行编译：
make all -j8编译成功后进行测试：
sudo make runtest -j8成功后会显示PASSED。
这部分我的安装非常简单，直接使用了官网上的pip安装方法即可，只有两步。官网安装链接：https://www.tensorflow.org/install/install_linux
我使用的是Python2.7版本，所以执行：
sudo apt-get install python-pip python-dev # for Python 2.7然后执行：
pip install tensorflow-gpu # Python 2.7; GPU support即可。
安装完成后验证是否可用：
python
#进入python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))如果能显示Hello,TensorFlow!,即安装成功。
参考：
[1] https://img-blog.csdn.net/20160824135852933
[2] https://img-blog.csdn.net/20160824135909011
[3] http://blog.csdn.net/yhaolpz/article/details/71375762