一、前言
Tensorflow是时下最火的深度学习框架，在github网站上的star数达到了12万之多，远远超过其他框架，如今赫赫有名的谷歌大脑项目所使用的框架就是tensorflow（当然了，这本身也是谷歌自己开发的）。而如今Tensorflow对Linux和Mac系统支持的比较完善，因此企业和科研机构越来越趋向于会选择在Linux系统上操作tensorflow。我最近在Ubuntu16.0.4 LTS 上安装tensorflow1.12.0版本，前后共花了两天多的时间，遇到了太多令人头疼的问题。为了给很多新手减轻负担，特地在此将我的安装过程记录下来，供大家参考，同时还会提供我在安装过程所遇到的问题的解决方案。之所以说是参考，是因为tensorflow框架以及相关的依赖环境等本身也在不断发展之中，再加上每个人的机器也不一样，即使你按部就班的按照官方教程去安装，也还是有可能遇到一些意想不到的问题。下面我将tensorflow(gpu版本)的安装过程详细的描述出来，由于我是在已经安装好tensorflow的情况下写出这篇文章的，所以很多命令的执行过程我就不展示了，而仅仅展示代码。
tensorflow官方网站：www.tensorflow.org
GitHub网站：www.github.com/tensorflow/tensorflow
模型仓库网址：www.github.com/tensorflow/models
二、安装过程
1.注意事项
安装gpu版本的tensorflow，首先需要你的电脑上有至少一块NVIDIA系列显卡，如果只有Inter集成显卡或者AMD显卡，则本教程不适用。其次必须要安装CUDA和cuDNN，而且两者的版本必须要匹配兼容。再次，还需要安装python，目前tensorflow1.12.0仅支持Python3.6.8，不要安装3.7及以上版本。最后，还需要安装显卡驱动，显卡驱动也必须要与CUDA的版本匹配，否则可能导致使用tensorflow时出现问题。
2.安装Anaconda
Anaconda是python的一个科学计算的开源发行版，内置了大多数python语言会经常使用的库，比如Numpy、SciPy、Scikit-learn等。anaconda提供了一个编译好的环境可以直接安装这些依赖库，而无须我们再去自己一个一个的安装，这样会耗费很多时间。还有就是在anaconda下安装tensorflow，它会自动安装相匹配的CUDA和cuDNN，而无需我们在手动去安装这两者，节省了很多的时间。
首先要去Anaconda官网下载相应的Linux系统的安装包，选择好安装包的下载地址，在对应的文件夹下打开终端执行下面的命令，即可自动安装：
bash Anaconda3-2018.12-Linux-x86_64.sh安装过程中会出现一些提示，全部yes即可。不过最后一个提示是询问是否安装VS Code，这个看个人的情况了，如果你不想使用这个编译器，可以选择no。
3.安装tensorflow
注意目前anaconda最新版本内置的是python3.7的版本，而tensorflow1.12.0还不支持3.7，因此需要首先要创建python3.6.8的tensorflow环境：
conda create -n tensorflow python=3.6.8中间会提示安装很多东西，一路yes就行。安装完后，会提示两个命令，一个是激活tensorflow环境，一个是退出环境，我们先激活tensorflow环境：
conda activate tensorflow然后安装tensorflow，使用如下命令：
conda install tensorflow-gpu=1.12.0安装过程中会下载很多工具，其中包括cuda和cudnn，这也是我强烈推荐大家使用anaconda安装tensorflow的原因之一，因为省事省时省力。
安装完以后，还需要安装显卡驱动。
4.安装NVIDIA显卡驱动
CUDA不同版本对显卡驱动版本要求不一样，因此需要查询自己已安装的CUDA版本所要求的驱动版本。网站是:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
我的电脑安装的是cuda9.2.0，因此需要安装396以上的显卡驱动。
首先添加NVIDIA显卡驱动的ppa源：
sudo add-apt-repository ppa:graphics-drivers/ppa然后对源进行更新：
sudo apt-get update查看当前系统可安装的显卡驱动：
sudo ubuntu-drivers devices里面有一系列可安装的显卡驱动，使用如下命令安装对应版本的即可。
sudo apt-get install nvidia-版本号安装完后需要重启，重启之后，打开终端，输入以下命令可以查看当前显卡驱动信息：
nvidia-smi至此，整个tensorflow框架就已经配置好了！
三、可能遇到的问题及其解决方案
大家在按照以上步骤配置tensorflow环境时，如果在安装过程中未出任何问题，那几乎是不可能的。下面是一些常见的可能会遇到的问题和解决办法。
1.在创建python3.6.8的tensorflow环境时，创建失败，一直停留在solving environment。
解决方案：首先要检查自己的网络是否是正常连接。如果是，在这种情况下，可以配置清华源，清华镜像由于在国内，因此很多工具可以无障碍下载。
2.condaHTTPerror问题：解决方案同上
3.安装tensorflow时部分工具无法下载：解决方案同上
4.测试tensorflow时出现CUDA driver version is insufficient for CUDA runtime version：显卡驱动与当前的cuda版本不匹配，需要升级到特定版本以上才行。
下面是清华的镜像设置命令（在此我还是劝大家，尽量不要使用官方官方镜像，官方镜像由于在海外，访问速度非常慢或无法访问）：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes如果还是不行，可在home目录下找到.condarc文件，删掉channels下面的default一行。
若还是不行，可以将源更新为：
conda config --remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/'
conda config --remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/'
conda config --remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/在此欢迎各位大神发表意见！