当在安装Tensorflow的时候，若我们直接使用以下指令：
pip install tensorflow-gpu
或：
pip install --ignore-installed --upgrade tensorflow-gpu
这样的话，安装的会是最新版的tensorflow-gpu版本。
然而，我们知道Tensorflow不同版本要求与CUDA及CUDNN版本对应兼容关系的。
如Windows下的GPU版本对应关系如下：
如若不对应，则出现不兼容情况，会出现以下报错
ImportError: DLL load failed: 找不到指定的模块。Failed to load the native TensorFlow runtime.
也可能会出现以下情况报错：
E tensorflow/stream_executor/cuda/cuda_dnn.cc:363] Loaded runtime CuDNN library: 7.0.5 but source was compiled with: 7.1.4
发生的原因就是Tensorflow版本与cudnn版本不兼容，tensorflow版本太高了，解决方法就是将tensorflow版本卸载，重新安装指定版本。
卸载了原来的（直接删除envs环境也行）
pip uninstall tensorflow-gpu
这时，我们可以安装指定对应版本的tensorflow-gpu
pip install tensorflow-gpu==1.10.0
上面指令就是安装tensorflow-gpu-1.10.0
建议换成国内的源，这样速度会快很多：
pip install tensorflow-gpu==1.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
在Anaconda下的使用流程
打开你的cmd输入以下命令，也可以复制粘贴进去。遇见y/n选择y。
conda create -n tf-gpu pip python=3.6
新建一个名字叫“tf-gpu”，这个名字叫什么都无所谓，python版本为3.6的运行环境，此环境与Anaconda中其它环境隔离。
接着输入以下命令，也可以复制粘贴进去。遇见y/n选择y。
activate tf-gpu
接下来就是安装指定版本的tensorflow-gpu（下面指令安装的是1.10.0版本的tensorflow-gpu）
pip install tensorflow-gpu==1.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
然后查看底部是否显示successfuly。
OK了。