1. CUDA Toolkit的安装

到https://developer.nvidia.com/cuda-gpus查询GPU支持的CUDA版本：

到https://developer.nvidia.com/cuda-downloads，根据操作系统选择下载相应的CUDA Toolkit版本，下载的是一个.run文件，下载完成后以root用户直接运行该文件安装。

安装结束以后。运行：

nvidia-smi

如果列出了GPU状态信息，表明安装成功：

2. cuDNN的安装

TensorFlow对神经网络的加速通过cuDNN库实现，所以首先去https://developer.nvidia.com/rdp/cudnn-archive，根据CUDA的版本下载相应版本的cuDNN，也是一个.run文件，下载完成后直接运行。

3. TensorFlow的安装

为了在安装过程中不出现版本冲突等问题，建议先安装Anoconda。到https://www.anaconda.com/download/#linux下载后，运行.sh文件安装。

然后使用下面的命令安装TensorFlow：

conda create -n tensorflow python=2.7
source activate tensorflow
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl
pip install --ignore-installed --upgrade $TF_BINARY_URL

依次输入：

source activate tensorflow
python

import tensorflow as tf
import pandas as pd
tf.__version__

如果没有报错，则表明安装成功：

CentOS 7搭建Linux GPU服务器

原文：http://www.cnblogs.com/mstk/p/7625694.html