筆者最近安裝tensorflow遇到了各種坑，花了不少時間解決，這裏總結一下，紀念被他折騰的那段時間⊙﹏⊙
安裝環境
該篇文章是深度學習GPU工作站配置的系列文章之一，在上兩篇文章中，筆者介紹了anaconda，jupyter，cuda，cudnn等各種基本運行條件，讀者可以看看前面兩篇文章
深度學習圖形工作站環境安裝與配置（1）CUDA和cuDNN的安裝
深度學習圖形工作站環境安裝與配置（2）anaconda的安裝與配置和jupyterlab的部署,開機自啓動
我們的環境主要是基於Ubuntu 18.04 ，Anaconda 3等環境進行的
錯誤一：
找不到庫，各種千奇百怪的錯誤
這個提示找不到庫的錯誤主要是因爲cuda和cudnn的版本和tensorflow所支持的版本不符，不能夠兼容產生的錯誤，讀者可以在tensorflow的官網找到相關的安裝環境要求
cuda cudnn tensorflow的版本必須相對應，不能過高或過低，爲此tensorflow給出了適合的編譯環境
安裝版本要求
你可以參照筆者的第一篇文章進行安裝cuda等軟件操作，或者升級到適應的版本
錯誤二：
使用
nvidia-smi
查看GPU使用情況
使用
top
查看CPU使用情況
發現雖然顯存佔了，但是GPU使用率幾乎爲0
這個錯誤是由於tensorflow版本>=tensorflow-gpu的版本
優先使用第一個CPU版
你可以使用
pip list
來檢查版本以確定是不是這個錯誤，卸載掉cpu版或者將gpu版升級，cpu版降級都可以修好
直接卸載tensorflow cpu版比較方便，關於升降級見下
pip uninstall tensorflow
再此查看pip包列表，如果卸載了就ok了
錯誤三：
提示tf沒有xx函數，程序明明在另一臺電腦可以運行，但在這就不行了
這實際上是因爲tf版本過高或過低，你需要安裝合適的版本
首先把安裝的tensorflow都卸載乾淨
pip uninstall tensorflow
pip uninstall tensorflow-gpu
安裝你原來使用的指定版本
如果只有cpu的話
pip install tensorflow==版本號
如果需要用gpu版，不要安裝cpu版了，執行
pip install tensorflow-gpu==版本號
注意cuda，cudnn，tf等的兼容問題，可以看看錯誤一
終極大招
可能讀者會問，我是小白怎麼辦，搞不清各種關係。或者實驗室又有老師用的tf版本不同，這個時候你可以使用docker安裝tf鏡像，相當於一個虛擬機，詳見：
深度學習圖形工作站環境安裝與配置（5）Tensorflow兼容性終極解決方案，用Docker安裝多版本Tensorflow，Docker19.03以後版本安裝Tensorflow-gpu
