1.tensorflow安装版本介绍
在服务器上部署的时候，可能宿主机直接用apt install安装的CUDA9.1（ubuntu18.04支持apt install 安装CUDA9.1）,此时用pip install tensorflow–gpu 安装的 1.11.0 不能支持CUDA9.1。所以此时可以采用两种方案，一种是直接安装编译好的 tensorflow-gpu。由于已经在CUDA9.1上编译好，此时都可以支持CUDA9.1。下载地址见：https://github.com/mind/wheels/releases/
2.ubuntu安装cuda,cudnn，tensorflow-gpu
ubuntu18.04直接使用apt进行安装：
sudo aptitude install nvidia-cuda-toolkit --without-recommends
需要注意的是在ubuntu16以及自己安装的CUDA,安装位置位于：/usr/local下面。而现在安装位置在：/usr/lib/x86_64-linux-gnu$ cd下面。其中/usr/lib/cuda中可以查看cuda版本。
安装cudnn:
tar -zxf cudnn-9.1-linux-x64-v7.tgz
cd cuda
mkdir -p lib/x86_64-linux-gnu
mv lib64/* lib/x86_64-linux-gnu
rm -rvf lib64
sudo rsync -avp ./ /usr
cudnn解压后文件夹为 cuda,由于只是一堆动态链接库，因此放在哪都可以，推荐放在与cuda一起的位置。/usr/lib/x86_64-linux-gnu下面。
安装tensorflow：安装预编译好的版本即可。
3.在docker中使用：
首先下载docker支持GPU的NVIDIA-docker
其中启动NVIDIA-docker有两种方式：1.nvidia-docker run 2.docker --runtime=nvidia 推荐使用第一种更好操作.需要注意的是，在nvidia-docker run 以后，任然需要使用nvidia-docker attach或者nvidia-docker exec指令。