tensorflow 兼容性问题使用小技巧

玩深度学习的朋友们相信都会绕不开tensorflow版本安装以及和cuda, cudnn等GPU库文件的兼容性问题，而且tensorflow版本API 更新很快，各种Python工具包依赖的tensorflow版本各不相同，所有用起来的时候就很 XX 疼，好不容易安装好的版本可以和cuda，cudnn兼容进行GPU运算，然而发现一个很有用的Python工具包的tensorflow依赖项却是其的版本 哭哭

这里介绍一个小技巧，在平常的情况下，如果遇到工具包依赖tensorflow版本与所用不同，并且用不到GPU进行运算则可以使用

pip install tensorflow==1.2.0 --user

而保留配置好的 tensorflow-gpu版本（所幸Google提供了CPU，GPU两个不同版本的库文件，不然则整天装卸装卸装卸）

这样可以用CPU跑工具包，而GPU版本的tensorflow不受影响，而且用上面的这条命令还可以很方便的装卸不同版本的tensorflow(CPU,GPU version). 

这里为了跑 edward 概率建模推理工具包，装了tensorflow = 1.2.0 和 tensorflow-gpu = 1.10.0