前两天，重新配置环境安装tensorflow的时候，遇到了一堆版本不对应问题，踩坑2天，今天终于所有版本都对应上了，那感觉，那叫个爽！忍不住哼一句汪峰老师的名曲：这是飞翔的感觉~~~~话不多说，我将自己的CUDA、CUDNN 、tensorflow、tensorflow-addons、scipy、numpy、keras、python版本都罗列出来，如果有跟我CUDA \CUDNN python版本一致的小伙伴们，有福了，这篇避坑指南，请收好！
重要：本文所有版本都是Linux版本
目录
1.首先确认自己的cuda版本
cat /usr/local/cuda/version.txt打印出来信息如下：
CUDA Version 10.0.130我的cuda是10.0.130的，简称10.0
2.确认cudnn版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2打印出来的信息是：
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 3
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"我的cudnn版本是7.6.3，简称7.6
3.确认python版本
python打印出来的信息如下：
Python 3.6.7 | packaged by conda-forge | (default, Jul 2 2019, 02:18:42)
[GCC 7.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.确认我的python版本是3.6.7，简称3.6，然后输入
exit()推出python编辑状态
4.安装tensorflow
以上的python3.6，cuda10.0，cudnn7.6的前提下，Linux安装tensorflow对应的版本是2.0.0，快速安装的代码如下：
pip install tensorflow==2.0.0 -i https://mirrors.bfsu.edu.cn/pypi/web/simple/直接调用中国科技大学的镜像，下载速度飞快。。。如果没有，可以切换豆瓣的镜像或清华的镜像，直接换后面的地址就好。
5.安装keras
tensorflow2.0.0对应的keras版本是2.2.4，同上，调用中国科技大学的镜像安装
pip install keras==2.2.4 -i https://mirrors.bfsu.edu.cn/pypi/web/simple/6.安装numpy
可能你已经安装了numpy了，看看能否正常调用，若可以，就自动省略这一步，如果没有或者调用有问题，就先卸载再接着安装
pip install numpy==1.16.0 -i https://mirrors.bfsu.edu.cn/pypi/web/simple/7.安装scipy
安装对应的scipy的版本是1.1.0
pip install scipy==1.1.0 -i https://mirrors.bfsu.edu.cn/pypi/web/simple/8.安装tensorflow-addons
tensorflow-addons版本与tensorflow版本相关，tensorflow2.0.0对应的tensorflow-addons版本是0.6.0，因此，接着安装tensorflow-addons0.6.0，就大功告成了
pip install tensorflow-addons=0.6.0 -i https://mirrors.bfsu.edu.cn/pypi/web/simple/ps：鉴于评论区很多人找不到对应的tensoeflow-addons与tf的版本对应，再次列举出二者对应关系表：
Python Op Compatibility Matrix
TensorFlow Addons TensorFlow Python tfa-nightly 2.8, 2.9, 2.10 3.7, 3.8, 3.9, 3.10 tensorflow-addons-0.18.0 2.8, 2.9, 2.10 3.7, 3.8, 3.9, 3.10 tensorflow-addons-0.17.1 2.7, 2.8, 2.9 3.7, 3.8, 3.9, 3.10 tensorflow-addons-0.16.1 2.6, 2.7, 2.8 3.7, 3.8, 3.9, 3.10 tensorflow-addons-0.15.0 2.5, 2.6, 2.7 3.7, 3.8, 3.9 tensorflow-addons-0.14.0 2.4, 2.5, 2.6 3.6, 3.7, 3.8, 3.9 tensorflow-addons-0.13.0 2.3, 2.4, 2.5 3.6, 3.7, 3.8, 3.9 tensorflow-addons-0.12.1 2.3, 2.4 3.6, 3.7, 3.8 tensorflow-addons-0.11.2 2.2, 2.3 3.5, 3.6, 3.7, 3.8 tensorflow-addons-0.10.0 2.2 3.5, 3.6, 3.7, 3.8 tensorflow-addons-0.9.1 2.1, 2.2 3.5, 3.6, 3.7 tensorflow-addons-0.8.3 2.1 3.5, 3.6, 3.7 tensorflow-addons-0.7.1 2.1 2.7, 3.5, 3.6, 3.7 tensorflow-addons-0.6.0 2.0 2.7, 3.5, 3.6, 3.7
至此，所有的CUDA、CUDNN 、tensorflow、tensorflow-addons、scipy、numpy、keras、python版本对应关系就讲完了，希望能帮大家避坑。
最后，列一个表格方便大家查看吧！
| 安装包 | 版本号 |
| CUDA | 10.0 |
| CUDNN | 7.6 |
| tensorflow | 2.0.0 |
| tensorflow-addons | 0.6.0 |
| scipy | 1.1.0 |
| numpy | 1.16.0 |
| keras | 2.2.4 |
| python | 3.6 |