为深度学习所用，博主预想在Ubuntu16.04上安装 显卡驱动 + CUDA + cuDNN + Tensorflow-gpu + Keras + PyCharm，参考了众多资料，最终成功将所有软件安装完毕，且能成功运行使用。该篇博客介绍了cuDNN的安装教程，亦可通过下方链接查看其他步骤的安装教程。
安装 cuDNN（附测试）
安装 Tensorflow-gpu 与 Keras（附测试）
可在cuDNN的官网上下载对应版本的cuDNN安装包，官网网址：cuDNN Archive
1、安装cuDNN
cuDNN的安装方法有两种，需要下载不同的安装包：
（1）.tgz 文件安装
该方法仅需下载一个安装包，如图所示
下载完毕后，进入文件所在位置，解压安装包（其中 xxx 为安装包的补充名称）
tar -xzvf cudnn-xxx.tgz
而后将cuDNN拷贝，放入CUDA对应的文件夹中，并赋予其权限
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 /usr/local/cuda/lib64/libcudnn*
（2）.deb 文件安装
该方法需要下载三个安装包，如下图所示
分别对这三个安装包执行以下命令进行安装，文件名请自行修改，要注意，必须按以下顺序进行安装，否则会因依赖问题而报错
sudo dpkg -i libcudnn7_7.6.4.38-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.4.38-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.4.38-1+cuda9.0_amd64.deb
2、测试cuDNN
选择 .deb 文件安装cuDNN，默认在 “Home” 位置，会安装有cuDNN的测试案例
进入 samples 文件中的 mnistCUDNN 文件夹下，鼠标右键打开终端
编译文件
make clean && make
编译后执行
./mnistCUDNN
若最后结果显示 Test passed，则说明测试成功
