4、配置cuDNN
cuDNN是GPU加速计算深层神经网络的库。首先去官网 https://developer.nvidia.com/rdp/cudnn-download 下载cuDNN，需要注册一个账号才能下载。
下载cuDNN5.1之后进行解压：
sudo tar -zxvf ./cudnn-8.0-linux-x64-v6.0.tgz
进入cuDNN5.1解压之后的include目录，在命令行进行如下操作：
cd cuda/include sudo cp cudnn.h /usr/local/cuda/include #复制头文件
再将进入lib64目录下的动态文件进行复制和链接：
cd .. cd lib64 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.6 #删除原有动态文件 sudo ln -s libcudnn.so.6.0.20 libcudnn.so.6 #生成软衔接 sudo ln -s libcudnn.so.6 libcudnn.so #生成软链接
5、安装MKL
这里也可以选择（ATLAS，MKL或者OpenBLAS），依赖文件安装时已经安装了ATLAS，我这里安装MKL，首先下载并安装英特尔®数学内核库 Linux*版MKL(Intel(R) Parallel Studio XE Cluster Edition for Linux 2016)，下载链接是：https://software.intel.com/en-us/intel-education-offerings，使用学生身份（邮件 + 学校）下载Student版，填好各种信息，可以直接下载，同时会给你一个邮件告知序列号。下载完之后，要把文件解压到home文件夹，或者其他的ext4的文件系统中。
接下来是安装过程，先授权，然后安装：
$ tar zxvf parallel_studio_xe_2017_update3.tgz
$ chmod a+x parallel_studio_xe_2016 -R
$ sudo sh install_GUI.sh
PS: 安装的时候，建议使用root权限安装，过程中会要求输入Linux的root口令。
MKL与CUDA的环境设置
(1) 新建intel_mkl.conf，并编辑
$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
(2) 新建cuda.conf，并编辑
$ sudo gedit /etc/ld.so.conf.d/cuda.conf
/usr/local/cuda/lib64
/lib
(3) 完成lib文件的链接操作，执行：
$ sudo ldconfig
6、安装opencv3.2
unzip opencv-3.2.0.zip
cd ~/opencv-3.2.0 mkdir build cd build
配置：
sudo apt install cmake
sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
编译：
sudo make
sudomakeinstall
7、安装Matlab
(1)下载Matlab2016b，请自行搜索
下载后的Linux文件夹会有三个文件分别是R2016b_glnxa64_dvd1.iso、R2016b_glnxa64_dvd2.iso和Matlab 2016b Linux64 Crack文件夹。Crack文件解压：
rar x Matlab\ 2016b\ Linux64\ Crack.rar
注意：解压后Crack文件夹中包含readme.txt文件，里面包含密钥；license_standalone.lic文件，用于进行软件激活；/bin/glnx64/文件，用于进行matlab安装目录中bin/glnx64/的替换，里面工四个文件。