安装 cudnn
登录官网：https://developer.nvidia.com/cudnn，下载对应 cuda 版本且 linux 系统的 cudnn 压缩包，注意官网下载 cudnn 需要注册帐号并登录，不想注册的可从该网盘下载：https://pan.baidu.com/s/1c2xPVzy
使用以下命令安装：
$ sudo dpkg -i libcudnn<version>_amd64.deb
$ sudo dpkg -i libcudnn-dev_<version>_amd64.deb
安装 caffe
make all -j8
如果之前的配置或安装出错，那么编译就会出现各种各样的问题。
编译成功后可运行测试：
sudo make runtest -j8
安装 pycaffe notebook 接口环境
在上一步成功安装 caffe 之后，就可以通过 caffe 去做训练数据集或者预测各种相关的事了，只不过需要在命令行下通过 caffe 命令进行操作，而这一步 pycaffe 的安装以及 notebook 环境配置只是为了更方便的去使用 caffe ，实际上大多数都是通过 python 来操作 caffe 的，而 notebook 使用浏览器作为界面，可以更方便的编写和执行 python 代码。
首先编译 pycaffe :
cd caffe
sudo make pycaffe -j8
编译 pycaffe 成功后，验证一下是否可以在 python 中导入 caffe 包，首先进入 python 环境：
python
然后导入 caffe :
>>> import caffe
若不报错则表示 caffe 的 python 接口已正确编译，但是应该不会那么顺利，以下是我导入 caffe 时出现的错误：
错误1：
File "<stdin>", line 1, in <module> ImportError: No module named caffe
解决方法：
sudo echo export PYTHONPATH="~/caffe/python" >> ~/.bashrc
source ~/.bashrc
错误2：
ImportError: No module named skimage.io
解决方法：
pip install -U scikit-image
ok，步骤如下图：
最后一步，配置notebook环境。
首先要安装python接口依赖库，在caffe根目录的python文件夹下，有一个requirements.txt的清单文件，上面列出了需要的依赖库，按照这个清单安装就可以了。
在安装scipy库的时候，需要fortran编译器（gfortran)，如果没有这个编译器就会报错，因此，我们可以先安装一下。
首先进入 caffe/python 目录下，执行安装代码：
sudo apt-get install gfortran
for req in $(cat requirements.txt); do sudo pip install $req; done
在此过程中，由于我将pip版本更新到10.0.1，出现了如下错误：
File "/usr/bin/pip", line 9, in <module>
from pip import main
ImportError: cannot import name main
如图：
安装完成以后执行：
sudo pip install -r requirements.txt
就会看到，安装成功的，都会显示Requirement already satisfied, 没有安装成功的，会继续安装。
然后安装 jupyter ：
sudo pip install jupyter
安装完成后运行 notebook :
jupyter notebook
或
ipython notebook
就会在浏览器中打开notebook, 点击右上角的New-python2, 就可以新建一个网页一样的文件，扩展名为ipynb。在这个网页上，我们就可以像在命令行下面一样运行python代码了。输入代码后，按shift+enter运行，更多的快捷键，可点击上方的help-Keyboard shortcuts查看，或者先按esc退出编辑状态，再按h键查看。
安装DIGITS
NVIDIA DIGITS is a Python-based web service which interactively trains DNNs and manages datasets. As highlighed in the DIGITS workflow, it runs on the host PC to create the network model during the training phase. The trained model is then copied from the host PC to the Jetson for the runtime inference phase with TensorRT.
从GitHub上下载源代码使用：
$ git clone https://github.com/nvidia/DIGITS
You need an NVIDIA driver (details and instructions).
Run the following commands to get access to some package repositories:
# For Ubuntu 16.04
CUDA_REPO_PKG=http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
ML_REPO_PKG=http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb
# Install repo packages
wget "$CUDA_REPO_PKG" -O /tmp/cuda-repo.deb && sudo dpkg -i /tmp/cuda-repo.deb && rm -f /tmp/cuda-repo.deb
wget "$ML_REPO_PKG" -O /tmp/ml-repo.deb && sudo dpkg -i /tmp/ml-repo.deb && rm -f /tmp/ml-repo.deb
# Download new list of packages
sudo apt-get update