Ubuntu16.04系统下Anaconda2（Python2.7）中搭建Tensorflow（1.2.0）环境
（背景：当前科研工作中要复现一篇Paper，对于环境要求是Python-2.7 + Tensorflow-1.2.0。）
1、在当前的python环境下创建tensorflow子环境（务必指明python版本）：
conda create tensorflow python=2.7
conda activate tensorflow
conda deactivate2、安装Tensoflow1.2.0并测试：
（1）（失败）在https://pypi.org/project/tensorflow/1.2.0/#files下载对应版本的tensorflow的.whl安装包，用pip安装提示不符合platform；
（2）（成功）用pip在线安装：
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp27-cp27m-linux_x86_64.whl此时，conda下的tensorflow的子环境√，python2.7版本√，tensorflow-gpu1.2.0版本√：
但是，尝试 import tensorflow包出现问题：
可以确认是CUDA出现问题，在.usr/local.cuda/lib64文件夹查看，确实没有该8.0文件，但是有对应的9.0文件。
3、安装CUDA-8.0并测试：
CUDA下载地址：https://developer.nvidia.com/cuda-80-ga2-download-archive
此时，在系统中，CUDA8.0和CUDA9.0共存，而默认的CUDA为CUDA9.0:
首先建立软连接：
sudo rm -rf /usr/local/cuda #删除之前生成的软链接
sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda #生成新的软链接把CUDA链接至新安装的CUDA8.0而非默认的9.0
而后，修改环境变量，需要使用 vim 命令在 bashrc 文件中修改环境变量，使得安装生效：
vim ~/.bashrc #进入编辑界面
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
#同时，
#替换原来语句中的cuda-9.0为cuda-8.0，
#替换原来语句中的Anaconda3为Anacodna2，
#替换原来语句中的python3.6为python2.7，
#保存退出返回终端输入界面
source ~/.bashrc #**值得注意的是，使用 vim 进入~/.bashrc文件编辑界面后，先使用输入 “i” 进入 “insert” 编辑模式，编辑完成后，先按 “ESC”，而后输入 "：wq！"，回车后即可退出编辑，（别忘了退出后用 “source” 命令**修改）。
可以看见，此时CUDA-8.0已经正确。
再次尝试在Anaconda2（Python2.7）下的Tensorflow环境中查看Tensorflow包是否成功：
原来，Tensorflow1.2.0需要cuDnn的版本是5.0，因此我们需要下载安装对应CUDA-8.0的cuDnn-5.0：
4、安装cuDnn-5.0并测试：
下载网址为https://developer.nvidia.com/rdp/cudnn-archive。
注意，下载cuDnn需要登录英伟达官网，所以需要使用邮箱注册账户，且得通过邮件**才可登录下载。
由于我始终收不到邮件，用了三个邮箱，点击resend多次，都收不到，所以直接在校内论坛西电睿思上下载成功。
开始操作：
#进入该cudnn解压后的文件夹后，拷贝一些东西到指定目录
$cd cuda5.0
$sudo cp lib64/lib* /usr/local/cuda/lib64/
$sudo cp include/cudnn.h /usr/local/cuda/include/
#接下来更新cuDNN库文件的软连接：
$ sudo chmod +r libcudnn.so.5.0.5
$ sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5
$ sudo ln -sf libcudnn.so.5 libcudnn.so
$ sudo ldconfig
操作后查看最新的cuDnn版本：
解决了cuDnn问题后，再次查看Tensorflow是否安装成功：
5、终端下的环境搭建成功：
至此，终于搭建好了Ubuntu-16.04 + Anaconda-2 + Python-2.7 + Tensorflow-1.2.0 + CUDA-8.0 + cuDnn-5.0.5的环境！
在终端中的tensorflow环境下输入 “spyder” 打开Spyer 这个 IDE，在其中内嵌的 Ipython命令 行区域 import temsorflow，报错！
6、IDE（Spyder）中的环境搭建成功：
#在当前的tensorflow环境中重新安装一个spyder编译器
conda install spyder总结：搭建环境是深度学习最基础的第一步，必须在对应的环境下才可以复现特定的代码。搭建环境同时也是非常麻烦的过程，因为每台电脑的情况都不同，每个代码所需要的环境中的各项配置要求也不同，各项配置之间的相互依赖关系也不同，因此，需要反复的尝试，遇到问题解决问题，这个过程必须充满耐心。