Install Chainer&Chainercv ov

1。 进入system setting --->software & updating ---> addtional driver --->安装Nvidia Driver(Nvidia GeForce GTX1060 GPU with 6GB VRAM最新驱动版本：387.62）
完成驱动安装后，重启系统

2。下载Cuda Toolkits，并根据官网的要求安装，完成后，重启系统。

3。下载cuDNN和cuda版本一致的运行库， 安装：
sudo dpkg -i XXXXXXXXX.deb
Install oder:
3.1 running library
3.2 developing library
3.3 code samples and cuDNN Library User Guide

       3.4 Verifying the correct installation
        
                 Copy the cuDNN sample to a writable path.

                                  $cp -r /usr/src/cudnn_samples_v7/ $HOME

                Go to the writable path.

                                  $ cd  $HOME/cudnn_samples_v7/mnistCUDNN

                 Compile the mnistCUDNN sample.

                                $make clean && make

                  Run the mnistCUDNN sample.

                                $ ./mnistCUDNN

                  If cuDNN is properly installed and running on your Linux system, you will see a message similar to the following:

                  Test passed!            

    完成后，重启系统。

4。下载cuDNN和cuda版本一致的开发库， 安装：

       install runtime library, then install developer library. 
       sudo  dpkg -i XXXXXXXXX.deb
       

    完成后，重启系统。

    验证是否成功安装：
    cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2

5。cuda运行环境设置:

      5. 1 Create new file:
                    /etc/profile.d/cuda.sh
          在文件中写入：
                    export PATH=$PATH:/usr/local/cuda/bin
                    export CUDADIR=/usr/local/cuda
    5.2   产生新文件：
                    /etc/ld.so.conf.d/cuda.conf
          在文件中写入：
                    /usr/local/cuda/lib64
   5.3  运行：
                    sudo ldconfig

6。 进入虚拟环境，安装cupy
pip install cupy

  完成玩装后，进入python, 测试上述安装是否成功：
   import cupy as cp
   import cupy.cudnn
  x_gpu = cp.array([1, 2, 3])
  l2_gpu = cp.linalg.norm(x_gpu)

  如果上述没有错误，说明安装成功

7。安装 chainer 和chainercv
pip install chainer
pip install chainercv