Linux下安装配置tensorflow cuda cudnn并运行程序

tensorflow对CUDA和cudnn版本的依赖性很强，就算你这三个都安装成功了，但是版本不匹配，执行程序时还是会报出各种五花八门的错误，下面就来看一下这三个的对应关系：

 

1、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；

2、conda create -n tf36 python=3.6 其中 tf36 是环境名

3、CUDA driver 版本 

nvidia-smi 确定自己的 CUDA driver 版本

4、CUDA toolkit版本 到看自己的驱动对应的 CUDA toolkit 版本（向下兼容）

比如上图为 367.57，应该下载8.0版本
conda install cudatoolkit=8.0 

5、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

6、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。