检测tensorflow是否使用GPU+tensorflow-gpu版本怎么安装匹配的cuda9.2和cudnn7.5+python37改安装tensorflow-gpu1.9.0版本

1.前提：本机已安装tensorflow-gpu

2.检测：

import tensorflow as tf
sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))

3.目的：
查看日志信息，若包含gpu信息，就是使用了gpu。
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

4.返回：

CUDA driver version is insufficient for CUDA runtime version
#CUDA程序版本不足以支持CUDA运行时版本

5.错误原因：
CUDA版本对显卡驱动版本有要求

6.什么是CUDA？
是Nvidia推出的只能用于自家GPU的并行计算框架，是通用计算，用CUDA计算大数据量的计算，须调用CUDA库提供的函数以传递给CUDA，CUDA再调用显卡用户态驱动对CUDA程序进行编译，显卡用户态再调用内核态驱动将命令以及编译好的程序数据传递给GPU计算
可参考知乎：https://www.zhihu.com/question/59184480

7.怎么做：
（0）可由官网：http://developer.nvidia.com/cuda-gpus查看支持NVIDIA的型号（有1050没有1050Ti打算试试）
（1）查看显卡型号：Nvidia GeForce GTX 1050 Ti
（2）显卡驱动版本：8.1.940.0
（3）CUDA版本：cuda toolkit 10.0.130
须使得版本对应，参照
上图可见于链接：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
链接以下载驱动：https://www.geforce.cn/drivers
选择GeForce-GeForce 10 Series-GeForce GTX 1050Ti
出现：

选择需要的版本进行下载

8.当然也可以是降低CUDA版本

—本机选择降低CUDA版本
电脑右击–nvidia控制面板–上面选择帮助–系统信息–组件–
方框内所示即支持的cuda版本
官网:https://developer.nvidia.com/cuda-toolkit-archive
下载再安装
注：因本机安装了Anaconda，是自带cuda的，但是版本较高与驱动不匹配，需卸载
去官网下载安装包后进行自主安装
对应安装的cudnn版本为：v7.5
下载链接：https://developer.nvidia.com/rdp/cudnn-archive
注：下载cudnn之前需注册账户

9.此时再跑程序出现错误：找不到指定模块
解释:经多番查找发现是：在安装了与电脑本机相匹配的cuda和cudnn之后，所安装tensorflow-gpu版本与python37版本不匹配
解决办法：
（1）下载tensorflow-1.9.0-cp37-cp37m-win_amd64.whl
（2）Anaconda右击管理员运行，可将下载下来文件放置于路径下
（3）使用pip安装.whl文件
（4）运行以下代码进行测试

import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

结果中看到GPU信息即为安装成功
或者
import tensorflow as tf
tf.test.is_gpu_available
返回True，即成功