实验室新服务器安装tensorflow-gpu，之前安装过一次cpu版本的tensorflow，这次安装gpu版本，出现很多的错误，这里特意将安装tensorflow-gpu的正确方法记录下来，希望对其他人有所帮助。
这里是在服务器非root用户上安装，不适用于linux主机上安装tensorflow的用户，还请注意区分。
实验环境
服务器内核版本：CentOS Linux release 7.6.1810 (Core)
显卡型号：RTX 2082 ti
GCC版本：gcc (GCC) 4.8.5 20150623 (Red Hat 4.8.5-36)
NVIDIA驱动：NVIDIA-SMI 440.44（服务器已经配置好）
安装版本型号：tensorflow-gpu-1.14.0 + cuda10.0 + cudnn7.6
目录
1.Anaconda的安装
Anaconda是开源的python包管理器，包含了conda、python、numpy等180多个科学计算包和其依赖。安装tensorflow需要用到conda、pip等命令，Anaconda成为安装tensorflow的不二之选。
Anaconda清华镜像下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
首先下载Anaconda，由于Anaconda官网网速较慢，所以（国内）最好使用清华的镜像下载，这里如果用到的python版本是python2.x，则现在Anaconda2.x版本，python3.x就下载python3.x。这里我下载的是Anaconda3-4.1.0
输入命令：
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.1.0-Linux-x86_64.sh等待下载完成后，输入：
sh Anaconda3-4.1.0-Linux-x86_64.sh安装过程中，提示输入enter或者yes，都按要求输入即可。这里有一个提示是否将路径写入~/.bashrc文件，输入yes。
安装成功后，激活一下用户环境变量配置：
source ~/.bashrc这是检验Anaconda安装是否成功，输入命令：
conda -V输出如下conda版本，则安装成功：
2.安装tensorflow-gpu-1.14.0
首先需要建立一个tensorflow环境并制定python版本(python3.5或python3.6）均可，输入命令：
conda create -n tensorflow python==3.5创建好环境或，输入如下命令进入tensorflow环境：
source activate tensorflow然后安装tensorflow所需要的package，这里也推荐用国内的清华镜像，输入命令：
pip install tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple等待下载完成，这里为大家介绍退出tensorflow环境和删除tensorflow环境的命令：
source deactivate #退出tensorflow环境
conda remove -n tensorflow --all #删除tensorflow环境下载完成后，通过下面命令检验tensorflow是否安装成功：
pip list
3.安装cuda10
安装cuda的版本要与服务器的NVIDIA驱动版本号匹配，输入下面命令查考NVIDIA驱动版本号：
cat /proc/driver/nvidia/version
从输出中看到，我的NVIDA驱动的驱动版本号是440.44，在下表中选取合适的cuda型号
进入cuda10官方网站：https://developer.nvidia.com/cuda-downloads
选择对应的操作系统版本等等与服务器系统匹配：
这时在下面会看到下载链接代码
输入下面命令获得cuda10文件，以xxxx.run的形式：
wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run等到下载完成后，运行.run文件，
sh cuda_10.2.89_440.33.01_linux.run安装过程中，按提示回答问题，如下图所示：
注意这里不要选择Driver，因为服务器已经有了NVIDIA Driver。另外在是否cuda Sample选项，选择no，如果选yes有可能出现以下错误：
安装完成之后，启动vi，编辑~/.bashrc:
vi ~/.bashrc添加环境变量，在最后写上代码：
export PATH=$HOME/CUDA/cuda10/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/CUDA/cuda10/lib64/这里$HOME就是文件路径：/home/你的名字，后面是你安装cuda10时候的路径
然后需要重新激活一下~/.bushrc文件：
source ~/.bashrc测试cuda安转是否完成，输入：
nvcc -v若输出cuda的版本号，则说明安装成功。
4.安装cudnn7.6
首先点击进入cudann官网：https://developer.nvidia.com/rdp/cudnn-download，需要注册账号，比较麻烦。
下载后，挤压文件，我是下载的.rar版本，所以输入命令：
tar -zxvf cudnn-10.0-linux-x64-v7.6.5.32.tar解压过后的操作比之前cuda的要简单，就是一个文件复制操作，输入命令：
cp cudnn/include/cudnn.h CUDA/cuda10/include/
cp cudnn/lib64/libcudnn* CUDA/cuda10/lib64
chmod a+r CUDA/cuda10/include/cudnn/h CUDA/cuda10/lib64/libcudnn*5.验证安装成功
进入tensorflow环境：
source activate tensorflow进入python环境后，输入：
import tensorflow如果没有错误提示，则安装成功，如果出现如下错误：
这个错误是numpy版本过高所导致的，解决问题首先卸载已有的numpy：
pip uninstall numpy然后安装低版本的numpy（低于numpy1.15即可）：
pip install numpy==1.14.5