cuda和tensorflow-gpu对应版本的安装及测试
版本
CUDA、cuDNN 和 tensorflow-gpu 版本的推荐配置：configure page
查看自己的 CUDA 和 cudnn 的版本：
1）直接用 nvcc --version 查看：
2）CUDA 一般安装在 /usr/local/cuda/ 路径下，该路径下有一个version.txt文档，里面记录了 CUDA 的版本信息，执行语句：
cat /usr/local/cuda/version.txt
3）cuDNN 的信息在其头文件里，执行语句：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
这里可以到看到 CUDA 版本是 9.0，cuDNN 版本是 7.0.5，官方推荐的 tensorflow 对应版本是：1.5 / 1.6 / 1.7 / 1.8 / 1.9 / 1.10 / 1.11 / 1.12
如果报错版本不对的话，可以按照下面的解决方法：
pip uninstall tensorflow-gup==1.0.1
pip install tensorflow-gpu==1.5.0
测试
安装好以后，可以进行如下测试，如果没有报错就没问题：
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
查看日志信息若包含gpu信息，就是使用了gpu。
import tensorflow as tf
tf.test.is_gpu_available()
>>>
True
其他方法：跑计算量大的代码，通过 nvidia-smi 命令查看gpu的内存使用量。
多版本CUDA的切换
如果安装了多个版本的 CUDA，可以在 /usr/local/ 目录下看到自己安装了哪些版本：
cuda 是一个软链接，它指向我们指定的 cuda 版本（在设置环境变量时，也使用的是 cuda，而不是 cuda-具体版本，这主要是为了方便我们切换 cuda 版本，可以让我们不用每次都去该环境变量的值）
进入 local 文件夹下，使用 stat 命令查看当前 cuda 软链接指向的哪个 cuda 版本：
可以看到，cuda 软链接的文件类型是symbolic link，指向的目录是 /usr/local/cuda-9.0，当我们想使用 cuda-8.0 版本时，只需要删除该软链接，然后重新建立指向 cuda-8.0 版本的软链接即可（注意名称还是cuda，因为要与 bashrc 文件里设置的保持一致）
sudo rm -rf cuda
sudo ln -s /usr/local/cuda-8.0 /usr/local/cuda
需要修改的只是上面的版本号而已。
CUDA驱动程序版本跟CUDA的运行时版本不匹配
如果在测试时报错：
InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version
说明 CUDA 驱动程序版本跟 CUDA 的运行时版本不匹配。
（1）查看 CUDA driver version（驱动版本）：就是NVIDIA GPU的驱动程序版本
查看命令：nvidia-smi
看以看到 Driver Version：384.111
（2）查看 CUDA runtime version（运行时版本）：在 python 中安装的 cudatoolkit 和cudnn 程序包的版本
查看命令：pip list / conda list
可以看到 python 安装的 cudatoolkit 和 cudnn 程序包版本是：9.2
（3）nvidia 驱动和 cuda runtime 版本对应关系
来源：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
| 运行时版本 | 驱动版本 |
|---|---|
| CUDA 9.1 | 387.xx |
| CUDA 9.0 | 384.xx |
| CUDA 8.0 | 375.xx (GA2) |
| CUDA 8.0 | 367.4x |
| CUDA 7.5 | 352.xx |
| CUDA 7.0 | 346.xx |
| CUDA 6.5 | 340.xx |
| CUDA 6.0 | 331.xx |
| CUDA 5.5 | 319.xx |
| CUDA 5.0 | 304.xx |
| CUDA 4.2 | 295.41 |
| CUDA 4.1 | 285.05.33 |
| CUDA 4.0 | 270.41.19 |
| CUDA 3.2 | 260.19.26 |
| CUDA 3.1 | 256.40 |
| CUDA 3.0 | 195.36.15 |
（4）解决
从驱动和运行时的版本对应关系来看，版本为 384.111 的驱动程序对应的运行时版本是9.0，也就是说目前在 python 中安装的 cudatoolkit 和 cudnn 程序包版本 9.2 是过高了。
先卸载 python 中安装的 cudatoolkit 和 cudnn 程序包：
pip/conda uninstall cudnn
pip/conda uninstall cudatoolkit
然后安装对应版本的 cudatoolkit 和 cudnn 程序包：
pip install cudatoolkit=9.0
pip install cudnn
（5）出现问题的原因
一般出现这种情况是因为在 python 中安装 tensorflow 的 gpu 版本时，pip 会检查 tensorflow 依赖的其他的包，如果依赖的包没有安装，则会先安装最新版本的依赖包，最终导致 gpu 驱动版本和 cuda 运行时版本不匹配。