背景：
本机以安装完成英伟达1080的驱动，更新到410以上版本，同时安装上gpu加速工具CUDA10。本机操作系统为ubuntu18，装有python3（3.8.6）。
第一步：安装虚拟环境库
打开终端，输入：
pip install virtualenv
屏幕截图.png
第二步：创建虚拟环境
创建python3虚拟环境，终端输入：
python3 -m venv tutorial-env
屏幕截图.png
激活虚拟环境：
source tutorial-env/bin/activate
屏幕截图.png
该行的前缀变化了！
退出虚拟环境：
deactivate
屏幕截图.png
前缀消失
第三步：在虚拟环境中搭建gpu版tensorflow
激活虚拟环境：
source tutorial-env/bin/activate
终端输入：
pip install tensorflow-gpu
屏幕截图.png
PS：提示权限问题，使用root命令：
sudo pip install tensorflow-gpu
由于tensorflow是外网，速度很慢，可以下将终端中提示网址的安装包下载好，放在当前目录下直接安装，
屏幕截图.png
在终端输入安装名字（tap可以补全）：
pip install tensorflow_gpu-1.14.0-cp36-cp36m-manylinux1_x86_64.whl
2019-07-15 15-54-05 的屏幕截图.png
第四步：测试虚拟环境
终端输入：
source tutorial-env/bin/activate
进入虚拟环境
输入：python
进入python环境
屏幕截图.png
输入>>>import tensorflow as tf
导入tensorflow库
没有报错，tensorflow安装好了，再继续测试gpu，设置一个常量
输入>>>
a = tf.constant(1)
打开tensorflow的对话，输入>>>sess = tf.Sesion()
打印出很多，会出现gpu型号和相关信息
用常量测试一下这个对话>>>sess.run(a)
打印出常量a的值即整个环境搭建好了。
第五步：复用
在下次需要搭建相同环境时，可以用pip将相关的库一次导入。
输入：pip freeze list
可以看到安装的所有的库
输入：pip freeze list > requirements.txt
将开发环境使用的包，导出txt文件中，下次用的时候可以直接安装txt文件中的库。
输入：pip install -r requirements.txt
调用txt文件，直接安装其中的各个库。
PS：请注意路径问题，
ls一下，看看相关文件是不是在当前目录下。
