1.1 关于CUDA：
tensorflow-gpu 1.5版本及以上要求CUDA版本为9.0
查看本机CUDA版本方法：

cat /usr/local/cuda/version.txt
1
输出：

CUDA Version 8.0.61` 
1
1.2 关于cuDNN：
tensorflow-gpu 1.3及以上版本要求cudnn版本为V6及以上
查看本机cuDNN版本方法：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
1
输出：

#define CUDNN_MAJOR      5
#define CUDNN_MINOR      0
#define CUDNN_PATCHLEVEL 5
--
#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#include "driver_types.h"
1
2
3
4
5
6
7
1.3 关于tensorflow
由上可以看出本机看装了CUDA 8和cuDNN V5，根据这两个版本，选择tensorflow的版本为1.2，使用pip来安装tensorflow：

sudo pip install tensorflow-gpu==1.2
1
如果之前安装了高版本的tensorflow，那么要通过pip来全部删除：

sudo pip uninstall tensorflow
1
想要测试tensorflow是否可以使用GPU：

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
1
2
看到输出相关GPU信息说明GPU可用了：
 

测试安装 & 测试是否使用GPU

import tensorflow as tf

print(tf.__version__)
print(tf.test.gpu_device_name())

就这3行代码，即可。 看打印结果：

2.0.0-beta0          # 这是版本信息
/device:GPU:0        # GPU字样就说明可以使用GPU了。