0.前言
好不容易找到个有GPU的机器，喜滋滋...赶快搭建一个GPU环境，跑一下Bert...
nvidia-smi
活力满满的GPU
但是...
不得不吐槽一下TensorFlow与CUDA、cuDNN的版本搭配问题...好不容易这俩货搭配好了，结果Bert使用的TensorFlow函数与本机安装的TensorFlow版本又不匹配...奔溃！
各种版本不匹配...
tensorflow与cuda、cuDNN的版本匹配表
但在群友的帮助下，发现了以下这个方式，确实好用，快速搭建！！！
1.开始
首先，学会检查本机的TensorFlow、cuda、cuDNN的版本：
1.检查CUDA版本：
使用：
nvcc -V
或：
cat /usr/local/cuda/version.txt
2.检查cuDNN版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
3.检查TensorFlow版本：
直接使用pip list查看
cuDNN版本
以下操作的前提是Linux已经安装了PIP、Anconda，即可使用以下的方式安装指定版本的TensorFlow、CUDA、cuDNN:
# 创建虚拟环境：tmp_python
conda create -n tmp_python python=2.7
# 显示自己创建的虚拟环境
conda env list
# 进入创建虚拟环境
source activate tmp_python
#安装指定 版本的TensorFlow
pip install tensorflow-gpu==1.9.0
# 安装的包
conda install cudatoolkit=9.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
conda install cudnn=7.1.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
接下来看看有没有神奇的事情发生吧....
