Linux下tensorflow-gpu的下载方法

最近在新服务上配tf，发现无论怎么配都cpu版本的，算是废了一番功夫才成功。所以这次把自己认为正确的步骤码一下

一、查询GPU对应的CUDA版本

在终端输入“nvidia-smi”，在第一行右上角我的驱动版本是384.130，打开英伟达的CUDA和显卡对照表网站https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

可以发现支持我显卡的最高CUDA版本是8.0

二、Conda安装对应版本CUDA

conda install cudatoolkit==8.0   

安装成功后，安装tf

三、Conda安装tensorflow

conda install tensorflow-gpu

四、测试TF

import tensorflow as tf                                                                                                      
                                                                                                                             
with tf.device('/cpu:0'):                                                                                                    
    a = tf.constant ([1.0, 2.0, 3.0], shape=[3], name='a')                                                                   
    b = tf.constant ([1.0, 2.0, 3.0], shape=[3], name='b')                                                                   
with tf.device('/gpu:0'):                                                                                                    
    c = a + b                                                                                                                
                                                                                                                             
# 注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。                                        
# 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。                                  
sess = tf.Session(config=tf.ConfigProto (allow_soft_placement=True, log_device_placement=True))                              
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))                                                        
sess.run(tf.global_variables_initializer())                                                                                  
print (sess.run(c))  

查看输出结果