簡記配置tesorflow-gpu環境（吐血了）

之前一直都用tensorflow框架運行程序,每次配環境都相當難受,遇到的問題都是CPU版本可以運行,但是GPU版本的運行不起來,就是調不起來GPU,歸結:還是版本問題.這次趁着剛剛把環境配置起來先記錄一下,以防下次再出問題.

0、要安裝 tensorflow-gpu ，需要處理以下幾個依賴：按順序依次爲 python、CUDA driver、CUDA toolkit、cudnn；

1、python 版本
現在下載 anaconda/miniconda 默認是3.7版本的，可能會有很多問題，所以最好是新開一個 python3.6 的虛擬環境，目前python3.6相對來講很穩定，兼容性較好，推薦。
conda create -n tf36 python=3.6 其中 tf36 是環境名

可以看到有了 tf36 這個環境，但是當前還是在 base 環境下（ * 表示當前環境）

conda activate tf36 切換至該環境

前面的括號裏顯示當前環境爲 tf36

2、CUDA driver 版本
nvidia-smi 確定自己的 CUDA driver 版本（因爲用的是自己的電腦演示，所以借用別人的圖）

3、CUDA toolkit版本
看自己的驅動對應的 CUDA toolkit 版本

比如上圖爲 367.57，應該下載8.0版本
conda install cudatoolkit=8.0 （10.1版本是不能通過 conda 或 pip 下載的，要到官網下載）

重點來了,我的cuda driver版本是440,不能直接安裝10.1,那麼我就安裝了10.0.130,嘗試很多次,未果.實在不行 我就又把cudatoolkit==8.0安裝了,對應tensorflow1.3的(下面一條提到的安裝方法),還是調試不成功,我又繼續試了試cudatoolkit=9.2,然後安裝(4),對應tensorflow1.14版本的,總算可以了.

4、安裝 tensorflow-gpu
有了前面的鋪墊，直接安裝 tensorflow-gpu 就可以了，tensorflow 和cudnn 的版本會自動匹配 cudatoolkit 版本
conda install tensorflow-gpu

5、測試是否安裝成功
python 進入命令行模式
import tensorflow as tf 導入 tensorflow
tf.test.is_gpu_available() 如果顯示 True 則大功告成

總結：
1、首先要確定CUDA驅動的版本，據此安裝正確的 cudatoolkit 版本，此時再安裝 tensorflow-gpu 會自動安裝正確的 cudnn 和 tensorflow-gpu 版本。
2、而如果直接安裝 tensorflow-gpu 的話，會默認安裝最新版的 cudatoolkit 與 cudnn，極有可能與自己機器的驅動不符。
3、另外推薦安裝 python3.6.還有  如果安裝cudatoolkit版本高不行話,可以適當的降低一個版本或者兩個版本.