1，创建虚拟环境
conda create -n tf_gpu_py3 python=3.6
source activate tf_gpu_py3
conda install numpy
conda install matplotlib
conda install scikit-image
2,从指定的源安装
{
这个安装与版本不配套！但是值得借鉴！
https://anaconda.org/anaconda/tensorflow-gpu
conda install -c anaconda tensorflow-gpu (这种安装虽然成功，但是与我cuda9。0的版本是不匹配的，所以不行)
}
conda install tensorflow-gpu=1.9 (cuda9.0 cudnn7_7.1.2)
这个版本自动安装对应的是cuda9.2_0，cudnn的版本是：7.1.2-cuda9.2_0
我在安装cudnn的时候，选择的是cudnn7.1.4,安装tensorflow-gpu=1.9.0后测试了一下，没出问题！
注意：这里安装的cuda和cudnn是在conda--python环境的，并没有影响其他环境的cudnn，cuda版本。
在我的电脑安装cuda的时候，安装了cuda例子源代码
cd ~/Documents/NVIDIA_CUDA-9.0_Samples/1_Utilities/deviceQuery$
./deviceQuery 这行这个程序，会发现系统原来安装的版本没受影响。
3，验证
执行： python
输入：
import tensorflow as tf
tf.__version__
'1.11.0'
4，安装keras，这里安装这个版本的原因是我要学习的mask-rcnn要求这个版本！
pip install keras==2.0.8