首先，我们应该依据当前python版本安装对应的tensorflow，python3.7下只有tensorflow1.13以上，所以尽可能的将python版本定在3.6及以下；然后依据安装好的tensorflow版本查看对应的cuda和cudnn版本：对应版本，比如说我们需要的tensorflow1.12，对应的就是CUDA9.0和cuDNN7（实验发现需要7.15以上，所以这里选择7.4）。
一. CUDA9.0
1.1 下载对应cuda9.0版本，CUDA下载，按照如下选择下载1.6G左右的.run文件；
1.2 安装Driver，Toolkit和Samples：
sh cuda_9.0.176_384.81_linux-run.run
按住Enter键，然后依次accept，N，Y，Y，Y，Y，Y，Y，/usr/local/cuda-9.0(cuda 安装目录)，Enter。
1.3 修改环境变量，在根目录下的.bashrc文件中加入如下内容：
export PATH=$PATH:/usr/local/cuda-9.0/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64
命令行输入如下，使环境变量生效：
source .bashrc
1.4 验证，命令行输入：nvcc -V，查看此时cuda版本，如下图显示即为成功
如若nvcc无效，可以使用：cat /usr/local/cuda/version.txt
二. cuDNN7.4
2.1 下载对应版本，cudnn，这里需要注册nvidia的账号才能下载，下载如下圈出的文件，可以得到一个130M的7z压缩文件，解压可得到cuda文件夹，下有include和lib64两个子文件夹
2.2 将解压好的lib64和include两个子文件夹传到cuda特定目录下(这里是/usr/local/cuda-9.0/)
2.3 修改权限：
sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*
2.4 查看此时cudnn版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
