早就耳闻tensorflow-gpu与CUDA，cudnn三者之间版本匹配很复杂，今天算是见识到了。
首先看了下服务器上的CUDA、cudnn版本，分别是CUDA8.0，cudnn7.0.4
这个匹配很奇怪，一般都是CUDA8 + cudnn6或者 CUDA9 + cudnn7
后来知道是要看软链接的（软链接的含义请自行百度），安装了cudnn7未必使用的就是7版本
服务器上软链接情况是这样的
果然，软链接的是cudnn5。所以我的配置实际上是CUDA8 + cudnn5
接着查阅到tensorflow官网上有介绍，如下图
那很自然就想到安装1.2.0版本的tensorflow了，结果是这样，运行import tensorflow as tf
Tensorflow都导入不了
继续google…
期间尝试了更换GCC版本（失败，甚至产生了其他错误）
在我账号下的.bashrc中添加路径 export LD_LIBRARY_PATH=/usr/local/cuda/lib64/（失败，可以导入tensorflow，但不能使gpu）
更改cudnn的软链接（没敢试，因为会修改整个服务器）
最后一气之下，我不用gpu了行吧，因为要使用dataset，所以重新下载了tensorflow1.4.0，虽然想着不用gpu，但因为某种执念，还是下载了gpu版本的，然后，跑了下程序，发现
能用gpu了
好了！
好了？
好了。。
之前
现在
所以最终是CUDA8 + cudnn5 + tensorflow-gpu1.4.0
注：只是记录了本人的经历与理解，如有错误之处，欢迎批评指正！