由於需要，實習時在服務器上安裝了anaconda3+tensorflow-gpu+keras，
使用的時候一直都是使用
import os
os.environ['CUDA_VISIBLE_DEVICES']=“0”
來指定使用第0個gpu，程序也一直是使用GPU加速計算的，但是奇怪的是今天忽然發現程序運行很慢，並且運行時出現“Your CPU supports instructions that this TensorFlow binary was not compiled to use”這個警告。
通過使用nvidia-smi查看GPU使用狀態，發現GPU使用率爲0，但是明明我已經指定了使用GPU啊！！！
然後我使用如下代碼查詢了一下
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
發現已經檢測不到GPU了，只有CPU。。。
查看庫的安裝路徑：pip show tensorflow-gpu
通過網絡查找各種解決辦法，說是安裝keras時安裝了tensorflow，兩者衝突，然後需要重新卸載，只安裝GPU版的tensorflow，雖說我pip list了一下並沒有發現單獨的tensorflow，我還是重新卸載又安裝了一下
pip uninstall tensorflow tensorflow-gpu keras
pip --upgrade tensorflow-gpu keras
然後結果嘞，運行程序發現新的bug出現了：
ImportError: libcublas.so.10.0: cannot open shared object file: No such file
emm,又google了一下，發現是說tensorflow版本與CUDA的版本不對應， 然後我看了一下我安裝的tensorflow-gpu的版本是1.13.0的，但是CUDA版本是8.0的。（cuda-8.0是你安裝的cuda的文件夾）
查看CUDA版本：cat /usr/local/cuda-8.0/version.txt
然後去查一下cuda和tensorflow-gpu對應的版本號，見Tensorflow CUDA及CUDNN版本對應關係表查詢
然後通過pip uninstall 卸載掉安裝的tensorflow-gpu和keras
使用如下命令重新安裝對應版本的tensorflow-gpu：
pip install tensorflow-gpu==1.4.0 keras
安裝完成之後，測試一下發現在終端是可以正常使用gpu了，但是在使用pycharm遠程調試時出現ImportError:libcusolver.so.8.0: cannot open shared object file: No such file or directory
原因是無法加載libcusolver.so等，查看遠程服務器LD_LIBRARY_PATH環境變量，已經設置了文件路徑/usr/local/cuda-8.0/lib64（從遠程服務器正常import知道，這點配置是沒問題的）。
解決：在edit configurations中配置python運行環境變量，添加LD_LIBRARY_PATH，設置路徑/usr/local/cuda-8.0/lib64（你的cuda安裝目錄裏面的lib64）
之後再次運行之前程序，發現又開始報錯：
-
TypeError: while_loop() got an unexpected keyword argument ‘maximum_iterations’
-
TypeError: softmax() got an unexpected keyword argument ‘axis’
是因爲我的CUDA版本爲CUDA8.0，所以tensorflow版本有限制，只能用1.4.0以下的版本，之前keras版本太高了，所以纔會報以上錯誤
重新安裝keras
pip install keras==2.1.2
更新keras版本後，錯誤解決
哎，環境問題真的真的太折騰了！！！