一、环境创建：
conda create -n 环境名 -c 镜像源
Python 2.7
$ conda create -n tensorflow python=2.7
Python 3.4
$ conda create -n tensorflow python=3.4
Python 3.5
$ conda create -n tensorflow python=3.5
查看Python版本
python --version
二、激活虚环境
source activate "name"
三、退出虚环境
deactivate
source deactivate
四、删除虚环境
我们不再需要snakes环境了，所以输入以下命令：
conda remove -n snakes --all
五、conda安装tensorflow---GPU版本
cuda 卸载
解决cuda版本问题
https://blog.csdn.net/MahoneSun/article/details/80809042
根据现象和一些实际的验证操作，大概总结出以下安装方法比较靠谱，但由于时间关系没有作全系列的组合验证，可以作为参考：
3.1 安装顺序
先安装 CUDA，再安装 tensorflow ，最后安装 cuDNN,严格按照这个顺序装，可以避免返工，避免一步错就必须重装系统
3.2 安装配置
参照我的另一篇文章《Ubuntu 16.04+1080Ti机器学习基本环境配置》,安装以下软件
A、先安装 CUDA，注意不要选择最新的 9.2 版本，因为 tensorflow 还不支持这个最新的版本，我们选择 9.0 版本的就好，
B、安装tensorflow，同样参考上述文章，注意要先配置 pip源 。这里我们默认下载的最新版本是 1.8 版本的。
C、最后安装 cuDNN
4.1、确定大版本
根据提示的错误信息，例如提示找不到 libcudnn.so.x 或者 libcublas.so.x，那么这个x代表的数字信息就是我们要安装的 cuDNN 的版本，
4.2、确定大版本下的CUDA版本
在https://developer.nvidia.com/rdp/cudnn-download下载对应的版本，先看上面说的大版本，再看对应的CUDA 版本，例如找不到libcudnn.so.7，则安装 v7 大版本的 cuDNN，而我们已经安装的CUDA版本是 CUDA9.0，所以我们应该下载v7大版本下对应的 CUDA9.0版本，即DownloadcuDNN v7.1.4 (May 16, 2018), for CUDA 9.0版本，
4.3、下载文件
下载其下的cuDNN v7.1.4 Library for Linux
安装完成后，验证方法参照上述提到的文章
如此一般可以解决问题
安装特定版本：
pip install tensorflow==1.2.0
升级到最新版本：
pip install –upgrade tensorflow
获取tensorflow版本号：
在idle命令行中输入import tensorflow——》回车——》tensorflow.__version__ （注意是双下划线）
tensorflow 详细安装
http://blog.sina.com.cn/s/blog_14935c5880102wu86.html
跟换conda镜像源------清华
$conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
$conda config –set show_channel_urls yes
$vi ~/.condrac
删除default那一行 其他镜像：
中科大的镜像
conda config –add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config –set show_channel_urls yes
加个小tip:要删除 .condarc文件
.condarc以点开头，一般表示 conda 应用程序的配置文件，在用户的根目录 （windows：C:\users\username\， linux：/home/username/）。但对于.condarc配置文件，是一种可选的（optional）运行期配置文件，其默认情况下是不存在的。 当用户第一次运行 conda config命令时，将会在用户的家目录创建该文件。
https://www.cnblogs.com/hear-nothing/p/7464882.html
卸载pip uninstall tensorflow-gpu-1.5.0
选择安装版本：pip install tensorflow-gpu==1.4.0
pip install --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl- 2017-12的时候，tensorflow 1.4不支持cuda9.0，且tensorflow1.0版本以上是不支持cuda8.0以下的。
- cuda8.0对应的cuDNN必须是6.0版的。
- cuda8.0，在cuda下载页面，Legacy Releases，找到旧版本下载地址，然后下载安装
- 最后成功安装，选择CUDA Toolkit 8.0 GA2+cuDNN v6.0 (April 27, 2017), for CUDA 8.0
笔者的显卡时Nvida GTX750 Ti,运算能力4以上，符合前一篇tensorflow安装GPU版本的要求。因此我们的安装均是安装的GPU版本，非GPU版本安装类似。
安装visual studio2015 可以只安装 Visualc++部分
2.安装CUDA：
按提示安装,先安装cuda_8，再安装补丁；
3.安装cuDNN库：
把解压文件放置到CUDA的相关文件夹里：
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
c = a+b
#注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
#因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
conda 指定TensorFlow版本安装
1.5以上支持cuda9+cudnn7
pip install tensorflow==1.4.0
先，可以安装一个anaconda。
然后使用python的pip可以安装特定版本的tensorflow，比如
pip install tensorflow-gpu==1.1.0
升级到最新： GPU版本：
pip install --upgrade tensorflow-gpu
CPU版本： pip install--upgrade tensorflow
如何查看当前tensorflow版本：
python import tensorflow as tf
tf.__version__
查询tensorflow安装路径为:
tf.__path__
Ref: http://blog.csdn.net/u011961856/article/details/76861052
caffe版本配置
https://blog.csdn.net/maltliquor/article/details/78261339