主要讲一下在Linux下安装tensorflow gpu版的两种方式：使用conda和pip安装。安装cpu版本比较简单，安装命令相同，但是省去了安装cuda和cudnn。
注意： 在安装tensorflow gpu版本前，首先要清楚不同版本tensorflow对应不同的cuda，cudnn版本，而不同的cuda版本对显卡驱动版本又有要求。这几个版本不符合要求是无法使用gpu版本的tensorflow，下面给出了官网说明。
tensorflow-gpu各版本与cuda，cudnn匹配查询:
https://tensorflow.google.cn/install/source?hl=en#linux
CUDA版本与显卡驱动版本匹配查询：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
关于CUDA和cuDNN安装本文不再详说，CSDN上一搜一大堆。先在nvidia官网下载CUDA安装文件和cuDNN安装文件（需要登陆后才能下载）。这里给出安装教程链接：CUDA安装教程，cuDNN安装教程。
1、使用conda安装tensorflow（推荐）:
先用conda查询可以安装的tensorflow版本，根据当前的python环境，查询到的版本会有不同，在tensorflow官网安装页面上可以查到不同tensorflow版本支持的python ，若要安装cpu版本的tensorflow直接将后面的-gpu去掉即可。
conda search tensorflow-gpu
安装所需的tensorflow版本，等号后面指定版本，若不指定默认安装最新版本。在安装tensorflow 2.0以上版本时会自动安装上依赖的cuda和cudnn，省去了另外安装cuda和cudnn，1.x的版本未做测试，1.x的版本能否自动搜索安装所需的cuda和cudnn待确定。
conda install tensorflow-gpu=1.15.0
2、使用pip安装tensorflow
pip安装就一行命令，等号后面可以指定版本，若不指定默认安装最新版本：
pip install tensorflow-gpu==1.15.0
安装好后检查tensorflow gpu版本是否可用，返回结果为True则可用。
import tensorflow as tf
print(tf.test.is_gpu_available())
