# 安装 2.7 环境
conda create -n python2.7 python=2.7.17
conda activate python2.7# 安装 1.1.0 gpu版本
pip install tensorflow-gpu==1.1.0# 配置环境变量
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64 # tensorflow1.13.2 cuda-10 lib库配置; 因为tensorflow 1.13版本以上要求cuda 10
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:/usr/local/cuda/lib64:/home/v-yaxu/nccl/build/lib 保持更新，更多内容请关注 cnblogs.com/xuyaowen;
常用操作：
tensorboard --logdir=/tmp/tensorflow/mnist/logs/mnist_with_summaries/
参考链接：
https://www.cnblogs.com/chay/p/10472993.html
https://blog.csdn.net/weixin_35653315/article/details/71308137
"ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory."?
代码语言：javascript复制export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64（解决使用 tensorflow 使用过程中，libcublas 库，找不到的错误）
Tensorflow 指定训练时使用的GPU：
场景：有一台服务器，服务器上有多块儿GPU可以供使用，但此时只希望使用第2块和第4块GPU，但是我们希望代码能看到的仍然是有两块GPU，分别编号为0,1，这个时候我们可以使用环境变量CUDA_VISIBLE_DEVICES来解决；
代码语言：javascript复制import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" # cuda 模式按照进行gpu的性能进行排序，设置此环境变量，GPU的顺序，将按照 pci_bus_id编号来进行设置；gpu顺序；这样在cuda_visble_devices环境变量就可以按照pci编号来进行选择gpu了；
os.environ["CUDA_VISIBLE_DEVICES"] = "0" # 设置程序环境变量；指定GPU占用显存：
代码语言：javascript复制gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7) # 确保每个GPU使用的显存，不超过 0.7
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options)) Tesorflow 默认会占用gpu 所有缓存，设置按需占用GPU缓存方法：
代码语言：javascript复制config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)GPU 设置参考链接：
https://homepages.uc.edu/~schreihf/uchenry/post/using-gpus/ (gpu设置)
https://www.jianshu.com/p/0816c3a5fa5c
https://www.cnblogs.com/darkknightzh/p/6591923.html
https://www.tensorflow.org/guide/gpu (tensorflow 官方关于gpu使用的说明文档)
https://github.com/tensorflow/docs/blob/r1.13/site/en/guide/using_gpu.md （官方关于 tf.1.13的gpu使用文档）
设置参考自网络，如果失效，请纠正；
