1、下载地址
(1) tensorflow-gpu和CUDA版本要对应，否则可能会引起某些错误，下面的地址可以查询tensorflow和CUDA的对应关系。
/install/source
(2) CUDA下载地址
/cuda-toolkit-archive
(3) cuDNN下载地址(需要注册Nvidia帐号后下载)
/rdp/cudnn-archive
不想注册的可以在这里下载
Linux版本：
cuda_9.0.176_384.81_linux.run
链接：/s/1Dm0X3x_2smWKUScr6S37JQ 提取码：krc7cuda_10.0.130_410.48_linux.run
链接：/s/1ckwsljWDW1Z56SHCaL87HA 提取码：grf1cudnn-9.0-linux-x64-v7.4.2.24.tgz(cudnn7.4.2 对应 CUDA9.0)
链接：/s/14VNiFgR4VSPY_XT3PRgrZw 提取码：cddocudnn-10.0-linux-x64-v7.6.2.24.tgz(cudnn7.6.2 对应 CUDA10.0)
链接：/s/1CDsvs9Vo_aTq7Ip15U8_3Q 提取码：x0fd
Windows版本：
cuda_9.0.176_windows.exe
链接：/s/1q614ZsTrnm63TnDJzl-I8A 提取码：sv25cudnn-9.0-windows7-x64-v7.4.2.24.zip(cudnn7.4.2 对应 CUDA9.0)
链接：/s/1pM1cTdybfwLTyRnHvgIMew 提取码：ueag
在开始下面的安装之前请确保显卡驱动已经正确安装，win10环境下的显卡安装很简单，直接运行安装文件即可，linux下的显卡驱动安装方法及遇到的问题解决方法可以参考这里/root_clive/article/details/100175108。
2、linux环境下安装
系统是Ubuntu16.04，在GTX1050Ti和RTX2080Ti上分别安装下面的版本(我自己实验的结果)。
GTX1050Ti：python3.5.2+tensorflow-gpu1.11.0+CUDA9.0+cuDNN7.4.2
RTX2080Ti：python3.6.6+tensorflow-gpu1.13.1+CUDA10.0+cuDNN7.6.2
(1) 使用pip安装tensorflow
sudo pip3 install tensorflow-gpu==1.11.0
这里的版本号根据需要安装，不同的显卡支持的版本有区别。
(2) 在/cuda-downloads下载相应版本CUDA的runfile(local)安装包，直接运行runfile即可，安装完后配置环境变量。
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=$CUDA_HOME/lib64
export PATH=$CUDA_HOME/bin:$PATH
(3) 在/rdp/cudnn-archive下载对应版本的cuDNN，选择cuDNN Library for Linux。
直接将cuDNN解压出来的文件复制到CUDA安装的目录即可。进入cuDNN解压缩的目录，然后执行
sudo cp -r ./* /usr/local/cuda-9.0
重启后安装就结束了。如果需要更详细的步骤，可以参考网上的教程。
3、win10环境下安装
win10环境为：python3.5.2+tensorfow-gpu1.12.0+CUDA9.0.176+cuDNN7.6.1
(1) 使用pip安装tensorflow
sudo pipinstall tensorflow-gpu==1.12.0
(2) 下载CUDA9.0
下载地址/cuda-toolkit-archive，下载完成后直接安装即可。
(3) 安装cuDNN下载地址/rdp/cudnn-archive，如下图所示选择下载文件。
将安装文件解压到CUDA的安装目录(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0)即可。
4、安装使用中遇到的问题
1、安装CUDA9.0后出现下面的错误
ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory
这个错误是由于tensorflow版本和CUDA不匹配造成的，安装对应版本的tensorflow即可。
sudo pip3 install tensorflow-gpu==1.11.0
2、找不到libcublas.so.9.0
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory
有可能是环境变量LD_LIBRARY_PATH配置的有问题，或者执行 sudo ldconfig /usr/local/cuda/lib64/ 也可以解决这个问题。
3、在GTX1050Ti上安装的版本是 python3.5.2+tensorflow-gpu1.11.0+CUDA9.0+cuDNN7.4.2，但是这个版本配置在RTX2080Ti上出现了下面的错误
E tensorflow/stream_executor/cuda/:81] CUDNN_STATUS_EXECUTION_FAILED
tensorflow.python.framework.errors_impl.InternalError: cuDNN launch failure
经过摸索，最终在RTX2080Ti上安装的版本是python3.6.6+tensorflow-gpu1.13.1+CUDA10.0+cuDNN7.6.2，上面的报错就解决了。
