根据（一）：因此我选择：cuda 9.0，NVIDIA 390.87，TensorFlow-gpu 1.12.0，Python 3.6.8，cudnn 7.3.1，pytorch 1.0
查看版本：
python3 --version
pip3 --version
virtualenv --version安装TensorFlow-gpu 1.12.0：
测试cudnn有没有装成功直接跑tensorflow试试，先安装gpu版本tensorflow：
参考安装tensorflow-gpu 和opencv：解决国内安装tensorflow, opencv等安装不成功或下载太慢问题
官方教程，python3版本的安装方法如下：会自动安装最新的版本
sudo apt install python3-pip
pip3 install --upgrade tensorflow # for Python 3.*
pip3 install --upgrade tensorflow-gpu # for Python 3.* and GPU安装指定版本：
pip3 install tensorflow==1.11.0
pip3 install tensorflow-gpu==1.11.0但是国内网络问题，网速非常慢，如果没有翻墙，可以按照下面方法快速安装：会自动安装最新的版本
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow # for Python 3.*
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow-gpu # for Python 3.* and GPU
安装指定版本：
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ tensorflow==1.11.0
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ tensorflow-gpu==1.11.0以上是使用清华的镜像源地址，也可使用下面的镜像地址替换清华源地址：
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
华中理工大学： http://pypi.hustunique.com/
山东理工大学： http://pypi.sdutlinux.org/
以上就安装好了tensorflow-gpu 1.12.0版本
import tensorflow as tf
tf.__version__ # 查看版本
tf.__path__ # 查询tensorflow安装路径为:确定自己的TensorFlow是CPU还是GPU工作：https://blog.csdn.net/linghugoolge/article/details/83989649
测试cudnn有没有装成功直接跑tensorflow试试：
gedit a.py在该文件中写入：
import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))
运行：
python3 a.py结果：
安装opencv：
与tensorflow安装一样，如果没有翻墙的话，安装过程非常漫长，而且中间安装还有很大可能中断，因此可以套用tensorflow的国内源安装方法来安装opencv：
# python3版本的基本包安装
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
# python3版本的额外包安装
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python
一般的pip3安装可以参考如下格式
# for python3.x 可以替换其它源
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple XXXXXXX 既然用pip3安装也可以用pip3卸载包：参考下面anaconda的讲解
我想要有多个运行环境，本机的是tensorflow-gpu 1.12.0，创建一个pytorch 1.0的虚拟环境，我希望不同的框架使用不同的虚拟环境。因此anaconda是一个强大的环境管理包
安装anaconda：
去官网查了版本，因为我需要的是Python 3.6版本系列的，所以下载的是anaconda 3 5.2.0而不是最新的那个版本（自带的是3.7.0版本的）。在国内清华镜像源下载sh文件：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
终端运行：例如
sudo sh Anaconda3-5.2.0-Linux-x86_64.sh卸载anaconda参照https://blog.csdn.net/lixintong1992/article/details/67654753
涉及到下载速度，增加镜像源：
conda config --show # 显示conda的基本情况
conda config --show channels # 显示原来的镜像源channels:
- defaults
conda config --add 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/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --set show_channel_urls yes
conda config --show channelsshow_channel_urls: true
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
删除镜像源：
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
注意：
我在系统自带的python(终端输入python3)是3.6.7版本，在系统安装好tensorflow 1.12.0(仅支持python3.5-3.6)。我的初衷是系统运行tensorflow框架，anaconda创建一个环境运行pytorch以及其他框架。
安装好anaconda之后，在终端输入python3或者python发现调用的都是anaconda自带的python版本(3.7.0)，所以不能运行tensorflow框架。如果想要用系统自带的Python怎么办呢？可查看https://blog.csdn.net/chichoxian/article/details/82185140
1.最直接的方法是：
/usr/bin/python32.推荐的方法：不用输入这么长的一大堆
里面的～/.bashrc文件很有用，我们可以把pycharm或者其他软件的链接替换成我们想要的快捷命令打开！！！！！
系统自带的python位置在/usr/bin/python3，anaconda自带的python位置在/home/jupy/anaconda3/bin/python
例如：sudo gedit ~/.bashrc 打开该文件，在文末添加，在终端使用py36就能快捷打开系统自带的python版本
# system python (python3.6.7)
alias py36='/usr/bin/python3'之后source ～/.bashrc 就可以了
因此如果终端想使用系统自带的python，直接输入以下：
py36注意：
和上面的一样，anaconda安装好之后，pip也会有影响
whereis pip
pip: /home/jupy/anaconda3/bin/pip
whereis pip3
pip3: /usr/bin/pip3 /usr/share/man/man1/pip3.1.gz
所以用pip查看已经安装的包的时候，pip list 显示的是anaconda自带的安装包，pip3 list 显示的是系统的安装包（区别的依据在于tensorflow-gpu包的存在）。因此，如果对系统的也就是/usr/bin里面的包进行操作的话需要用pip3；对anaconda自带的包即/home/jupy/anaconda3/bin操作的话需要用pip
# 安装包
pip3 install SomePackage # latest version
pip3 install SomePackage==1.0.4 # specificversion
pip3 install 'SomePackage>=1.0.4' #minimum version
# 查看已安装的包
pip3 show packagename # 查看指定的安装包信息
pip3 list # 列出所有的安装包
# pip升级包
pip3 install --upgrade packagename
# pip3卸载包，卸载使用pip3安装的python包时，可以完全卸载干净；卸载使用python setup.py install安装的python包时，并不能卸载干净，仍然需要手动删除相关文件
pip3 uninstall packagename
anaconda 创建环境：
# 环境
conda create -n torch python=3.6.7 # 利用conda创建名字为torch python版本是3.6.8的环境
conda create -n tf python=3.6.7 # 利用conda创建名字为tf(tensorflow-gpu) python版本是3.6.8的环境
conda remove -n torch --all # 删除torch环境
source activate torch # 激活torch环境
source deactivate # 退出torch环境
conda info # 查看所处的环境信息
conda env list # 查看可选的环境列表
# 安装包
conda update conda # 更新conda版本
conda update PACKAGENAME # 更新包
conda install PACKAGENAME # 安装包
conda install jupyter # 安装jupyter notebook
conda list # 显示出所有安装过的包
conda remove --name torch toolz boltons # 从torch的环境中删除toolz和boltons这两个包
注意：
经过多处考虑（比如使用jupiter,ipython等），不使用系统的python环境，而全部使用conda环境，所以建了两个环境，一个是torch，另外一个是tf.
不过，直接使用conda的环境就不用兴建了，所以在前面要选择自带Python3.6版本的anaconda文件。
安装pytorch：https://pytorch.org/resources
conda install pytorch torchvision -c pytorch注意：
用conda安装的包只能在conda list里面查看，用conda卸载能完全卸干净
用pip（或者pip3）安装的包只能在 pip list里面查看，用pip卸载能完全卸干净