Ubuntu16.04安裝TensorFlow-gpu版本
目前，基於python的深度學習幾個常用的框架分別是TensorFlow、Pytorch、Keras、Theano、Caffe等等，夥伴們可以參考大佬的博客——深度學習十大框架比較。最近在用TensorFlow框架，但是在CPU上運行速度太慢了，這就需要我們在GPU上運行，TensoFlow是分爲GPU版本和CPU版本的，要根據電腦/服務器的配置選擇TensorFlow的版本。我們的服務器上是Ubuntu16.04的，所以下面的分享也主要是基於Ubuntu的。
先放上TenserFlow的官網地址，上面有很多大家可以自娛自樂的東西～哈哈
1. 查看CUDA和Cudnn的版本
我的系統是Linux Ubuntu16.04，Python的版本是3.6，要安裝TensorFlow-gpu版本還需要知道服務器上安裝的是什麼版本的CUDA和Cudnn。
查看CUDA版本的命令：
cat /usr/local/cuda/version.txt
查看Cudnn版本的命令：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
我的配置如下圖：
2. 選取適合的TensorFlow-gpu版本
夥伴們可以去TensorFlow官網上查看對應自己Linux/Python/CUDA/Cudnn配置的TensorFlow-gpu的版本，也給大家再放一遍網址：TensorFlow對應版本網址。可以從下圖看出對應我的Linux/Python/CUDA/Cudnn的版本就是紅框中的幾款，這幾款就要看運行的Code是需要什麼版本了。
3. 安裝TensorFlow-gpu
因爲害怕安裝的時候動了主環境，一般我的操作是創建一個新的虛擬環境，如果大家不裝虛擬環境也可以，但是還是建議大家創建一個虛擬環境。如果夥伴們是使用docker的，可以參考TensorFlow官網上安裝教程，這裏就不贅述了。
查看服務器上的虛擬環境命令：
創建新的虛擬環境：
conda create -n your_new_conda_name python==X.X
# Ex:conda create -n tensorflow python==3.6
然後，你可以重新查看服務器上虛擬環境，看有沒有tensorflow的虛擬環境，如果有的話就說明已經創建成功了，沒有創建成功的話再執行一遍命令就可以了；
進入新創建的虛擬環境tensorflow：
conda activate tensorflow
# 順便提一句，退出虛擬環境的命令：conda deactivate tensorflow
# 有時候conda activate會報錯，可以用source activate/deactivate激活或者退出
用pip安裝tensorflow-gpu：
pip install tensorflow-gpu==1.6.0
4. 測試TensorFlow-gpu是否安裝成功
安裝成功TensorFLow-gpu以後還需要測試一下，一般用tf.__version__來測試，但是發現如果是裝的CPU版本或者GPU版本沒有調用顯卡此命令也會顯示TensorFlow的版本，推薦用下述命令來測試。
import tensorflow as tf
tf.test.is_gpu_available()
如果你可以看到類似下圖的反饋（尤其是最後一句爲True），說明安裝成功啦。
5. 一些報錯的解決方案
5.1 numpy的版本過高
在對於安裝好的TensorFlow-gpu進行測試的時候可能會遇到下面的情況，則說明環境中numpy的版本過高，重新安裝numpy就不會報錯了（推薦此配置下numpy的版本爲1.14.5）。
as/home/tensor/anaconda2/envs/tensorflow/lib/python3.6/site-packages/tensorflow/python/framework/dtypes.py:517: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
_np_qint8 = np.dtype([("qint8", np.int8, 1)])
/home/tensor/anaconda2/envs/tensorflow/lib/python3.6/site-packages/tensorflow/python/framework/dtypes.py:518: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
_np_quint8 = np.dtype([("quint8", np.uint8, 1)])
/home/tensor/anaconda2/envs/tensorflow/lib/python3.6/site-packages/tensorflow/python/framework/dtypes.py:519: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
_np_qint16 = np.dtype([("qint16", np.int16, 1)])
/home/tensor/anaconda2/envs/tensorflow/lib/python3.6/site-packages/tensorflow/python/framework/dtypes.py:520: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
_np_quint16 = np.dtype([("quint16", np.uint16, 1)])
/home/tensor/anaconda2/envs/tensorflow/lib/python3.6/site-packages/tensorflow/python/framework/dtypes.py:521: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
_np_qint32 = np.dtype([("qint32", np.int32, 1)])
/home/tensor/anaconda2/envs/tensorflow/lib/python3.6/site-packages/tensorflow/python/framework/dtypes.py:526: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
np_resource = np.dtype([("resource", np.ubyte, 1)])
5.2 選用的TensorFlow-gpu版本和CUDA/Cudnn版本不符
如果出現下述的問題則說明選取的TensorFlow-gpu的版本和現有的CUDA/Cudnn的版本不符合（尤其是TensorFlow更新了2.0的版本以後），TensorFlow-gpu對於CUDA/Cudnn的依賴性很強，一定要選用對的版本！！！
ImportError: libcudart.so.10.0: cannot open shared object file: No such file or directory
這是昨天裝TensorFlow-gpu遇到的一些坑隨手就記錄了下來，以後有問題會不斷補充上來的，感謝大家的支持和大佬的幫助～