一、安装NVIDIA驱动
首先去官网查适合自己的GPU驱动(http://www.nvidia.com/Download/index.aspx?lang=en-us)
在Product Type一栏选择自己的产品类型，其它的类型也相应选择，上图是博主的GPU的相关信息。填写完成后，点击右边的SEARC按钮，会出现以下的界面，以下界面主要关注Version，这个是后面安装驱动需要用的数据。
安装之前先卸载已经存在的驱动版本：
sudo apt-get remove --purge nvidia*
若电脑是集成显卡（NVIDIA独立显卡忽略此步骤），需要在安装之前禁止一项：
sudo service lightdm stop
执行如下语句安装：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-410 #注意在这里指定自己的驱动版本！
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
执行完上述后，重启（reboot）。
重启后输入： sudo nvidia-smi
如果出现了你的GPU列表，如下，则说明驱动安装成功了。
另外也可以通过
nvidia-settings
查看自己机器上详细的GPU信息，博主机器的信息如下：
二、安装CUDA
cuda是nvidia的编程语言平台，想使用GPU就必须要使用cuda
CUDA下载地址：https://developer.nvidia.com/cuda-downloads
下载完cuda8.0后，去对应的目录，执行如下语句，运行runfile文件：
sudo sh cuda_8.0.61_375.26_linux.run
执行后会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia375驱动时，一定要选择否，因为前面我们已经安装了更加新的nvidia４10，所以这里不要选择安装。其余的都直接默认或者选择是即可。
Do you accept the previously read EULA? (accept/decline/quit):
这里选择acceot
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.37? ((y)es/(n)o/(q)uit):
这里选择NO(n)
然后剩下出现的都是确认使用默认目录 ENTER 或者是 YES (y)，然后就等着安装吧，很快就会好
安装成功后会出现如下界面：
安装完毕后，再声明一下环境变量，并将其写入到 ~/.bashrc 的尾部:
打开~/.bashrc文件：
sudo vim ~/.bashrc
将以下内容写入到~/.bashrc尾部：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
三、测试cuda的Samples
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
sudo ./deviceQuery
如果显示以下关于GPU的信息，则说明安装成功了。
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 1080 Ti"
CUDA Driver Version / Runtime Version 10.0 / 8.0
CUDA Capability Major/Minor version number: 6.1
Total amount of global memory: 11175 MBytes (11718230016 bytes)
(28) Multiprocessors, (128) CUDA Cores/MP: 3584 CUDA Cores
GPU Max Clock rate: 1658 MHz (1.66 GHz)
Memory Clock rate: 5505 Mhz
Memory Bus Width: 352-bit
L2 Cache Size: 2883584 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
Maximum Layered 1D Texture Size, (num) layers 1D=(32768), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(32768, 32768), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 2 copy engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 10.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GTX 1080 Ti
Result = PASS
四、cudnn安装
cuDNN是GPU加速计算深层神经网络的库。
首先去官网下载(https://developer.nvidia.com/rdp/cudnn-download)你需要的cudnn，下载的时候需要注册账号。选择对应你cuda版本的cudnn下载。这里我下载的是cudnn5.1，是个压缩文件（.tgz）
下载完cudnn5.1之后进行解压，cd进入cudnn5.1解压之后的include目录，在命令行进行如下操作：
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
再将cd进入lib64目录下的动态文件进行复制和链接：
sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接
五、 opencv3.1安装
opencv3.1.0下载地址：https://opencv.org/releases.html
下载对应版本的source(source是对应的linux版本)
并将其解压到你要安装的位置，假设解压到了/home/root1，其中root1是博主使用的用户名字，同时我将解压后的文件改名为opencv(可以不用改名)。
首先安装需要的依赖项。
sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
在终端中cd到opencv文件夹下，然后
mkdir build #新建一个build文件夹，编译的工程都在这个文件夹里
cd build/
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" ..
cmake成功后，会出现如下结果，提示配置和生成成功：
-- Configuring done
-- Generating done
-- Build files have been written to: /home/ise/software/opencv-3.1.0/build
然后make编译就可以了
make -j8
编译最后可能出现以下错误：'modules/cudalegacy/CMakeFiles/opencv_cudalegacy.dir/all' failed[5]
这是由于CUDA 8.0不支持OpenCV的 GraphCut算法引起的
解决办法：
修改 ～/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp文件
把第45行修改成：
#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)
即在 #if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) 加上 || (CUDART_VERSION >= 8000)
重启系统，重启系统后cd到build文件夹下：(这一步可以不做)
sudo apt-get install checkinstall
sudo checkinstall
然后按照提示安装就可以了。
使用checkinstall的目的是为了更好的管理我安装的opencv，因为opencv的安装很麻烦，卸载更麻烦，其安装的时候修改了一大堆的文件，当我想使用别的版本的opencv时，将当前版本的opencv卸载就是一件头疼的事情，因此需要使用checkinstall来管理我的安装。
执行了checkinstall后，会在build文件下生成一个以backup开头的.tgz的备份文件和一个以build开头的.deb安装文件，当你想卸载当前的opencv时，直接执行dpkg -r build即可。
感谢： https://blog.csdn.net/qq_34809033/article/details/83830168