（1） 下载个anaconda。地址：https://www.continuum.io/downloads 或者 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 。下载Anaconda3-5.1.0-Linux-x86_64.sh，注：本机为64位系统。
（2）上传Anaconda3-5.1.0-Linux-x86_64.sh至虚拟机centOS7的home目录下。
（3）输入命令：bash Anaconda3-5.1.0-Linux-x86_64.sh
（4）傻瓜式安装 直至成功，安装成功后使用，source ~/.bashrc 进行激活，命令行输入 python,看到如下图：
安装Anaconda 成功。
（1） 查看是否装好了CUDA，使用命令：cat /usr/local/cuda/version.txt，结果如下图：
（2）然后查看是否安装好了cuDNN,使用命令：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
（3）确定这两个存在，才能装 tensorflow-gpu,如果不存在，是要进行安装的，当然是需要管理员权限的。具体安装可以自行搜索。
直接使用 pip install tensorflow-gpu 或者 pip install tensorflow-gpu==?(版本号)
这里要注意：安装完 Tensorflow 后运行时侯可能出现：tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version
意思是CUDA驱动版本和CUDA运行版本冲突，主要是nvidia 驱动版本不对，可以使用 nvidia-smi 进行查看GPU 驱动版本，如下：
则显示该驱动是 384.90，他是个CUDA 9.0版本对应的。
解决方法一：
可以升级更换驱动等。具体解决可以看网上相关教程：https://www.jianshu.com/p/48016c73eec2
解决方法二:
使用conda 进行安装低版本的 TF-GPU 这样就可以达到，原来我装的 1.13 但是出了问题换成了 1.10 就完美解决问题，因为TF 在安装时候，封装了 CUDA 和 cuDNN包-版本高的话，和驱动容易冲突，换了低版本就可以了。
直接使用 pip install keras==?(版本号安装)
直接使用 python -m pip install --upgrade torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple
conda create -n caffe_gpu -c defaults python=2.7 caffe-gpu
前提需要网速可以，全部安装结束，然后 import caffe 发现没报错，不过在运行时候可能报错，目前还没运行caffe 代码，等到有问题持续更新
这里使用 tf 为例
（1）使用conda，重启conda，进行更新：conda update -n base conda
（2）创建一个框架环境，需要指定 Python版本：conda create -n tf pythoin=3.x （注：这里的3.x 不用精确到3.6.8的第三位，只用写 3.6就行）
（3）激活创建环境：conda activate tf 或 source activate tf
（4）进行conda安装： conda install tensorflow-gpu，然后进行傻瓜安装
（5）使用python命令进入python 编辑环境，进行测试:
成功！
（6） 退出 conda 环境：source deactivate 或者 conda deactivate
（7）这里注意使用anaconda安装的环境，每次使用TF等框架，需要激活 conda activate tf 或者 source activate tf
（8）这里附上conda 安装和 pip 安装的不同
