首先声明：以下均为 Linux（Ubuntu 14.04）环境下，且采用 miniconda（anaconda也可以）进行安装

之前配置过一次，虽然最终配好了，但是稀里糊涂的，尤其是CUDA、cudnn、tensorflow 三者版本的问题，之前的配置过程可以看这里。

前几天到了新公司，又要配置了，折腾了半天终于算是搞明白应该怎么配置了。

顺便提一下，感觉 tensorflow 官网的这个版本图不太准，而且没有说明正确的安装顺序。

下面进入正题

0、要安装 tensorflow-gpu ，需要处理以下几个依赖：按顺序依次为 python、CUDA driver、CUDA toolkit、cudnn；

1、python 版本
现在下载 anaconda/miniconda 默认是3.7版本的，可能会有很多问题，所以最好是新开一个 python3.6 的虚拟环境
conda create -n tf36 python=3.6 其中 tf36 是环境名

可以看到有了 tf36 这个环境，但是当前还是在 base 环境下（ * 表示当前环境）

conda activate tf36 切换至该环境

前面的括号里显示当前环境为 tf36

2、CUDA driver 版本
nvidia-smi 确定自己的 CUDA driver 版本（因为用的是自己的电脑演示，所以借用别人的图）

3、CUDA toolkit版本
到这里看自己的驱动对应的 CUDA toolkit 版本

比如上图为 367.57，应该下载8.0版本
conda install cudatoolkit=8.0 （10.1版本是不能通过 conda 或 pip 下载的，要到官网下载）

4、安装 tensorflow-gpu
有了前面的铺垫，直接安装 tensorflow-gpu 就可以了，tensorflow 和cudnn 的版本会自动匹配 cudatoolkit 版本
conda install tensorflow-gpu

5、测试是否安装成功
python 进入命令行模式
import tensorflow as tf 导入 tensorflow
tf.test.is_gpu_available() 如果显示 True 则大功告成

总结：
1、首先要确定CUDA驱动的版本，据此安装正确的 cudatoolkit 版本，此时再安装 tensorflow-gpu 会自动安装正确的 cudnn 和 tensorflow-gpu 版本。
2、而如果直接安装 tensorflow-gpu 的话，会默认安装最新版的 cudatoolkit 与 cudnn，极有可能与自己机器的驱动不符。
3、另外推荐安装 python3.6。