ubuntu18.04+anaconda3+tensorflow-gpu1.13.1+cuda10.0+cudnn7.6.5

在实验室服务器上搭建环境，由于服务器上ubutu版本比较新，搞了一天终于好了，记录一下。一个服务器上多人使用，由于每个人对环境的要求不同，所以每个人用自己的账号搭建anaconda环境，之前都是用pip比较多，这次算是get了anaconda的便捷之处。
组合说明：anaconda3+python37+cuda10.0+cudnn7.6.5+tensorflow-gpu1.13.1

到anacoda官网下载anaconda3-2019.03-Linux-x86_64.sh(支持的python版本是37)，其他python版本的anaconda历史版本需要到清华镜像下载

bash Anaconda3-2019.03-Linux-x86_64.sh

按照提示，一路默认yes，最后会问是否安装vscode，键入no
安装完毕。打开一个新的终端：

conda --version

python

如上图，anaconda安装成功。

下面安装tensorflow-gpu，首先确定cuda的版本号

看一下ubuntu安装版本号：18.04

cat /proc/version

查看显卡驱动：410.48

cat /proc/driver/nvidia/version

查看显卡驱动支持的CUDA版本：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

由于我的显卡驱动版本为410.48，按照表格只能安装CUDA10.0以及一下版本，本来想安装CUDA9的，结果点进去发现都不支持ubuntu18.04,所以安装了cuda10.0

conda install cudatoolkit=10.0

#等上一条指令安装完后
conda install cudnn
#系统会自动匹配到与当前cuda匹配的cudnn版本

接下来就是tensorflow-gpu的安装，试了一下，上面的配置并不支持tensorflow-gpu1.12.0,百度了一下支持tensorflow-gpu1.13，所以

conda install tensorflow-gpu=1.13

到此安装完毕，可以用以下代码验证一些tensorflow-gpu版本是否安装成功。

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

会显示出GPU信息