環境：Ubuntu+TensorFlow
首先是GPU被其他人占用了，怎么也跑不起來最簡單的TensorFlow小例子.
所以先學會如何查看顯卡使用情況，轉去使用其他空閑顯卡.
Linux查看Nvidia顯卡信息及使用情況
nvidia-smi
結合top，查找進程號對應的用戶
Fan：顯示風扇轉速，數值在0到100%之間，是計算機的期望轉速，如果計算機不是通過風扇冷卻或者風扇壞了，顯示出來就是N/A；
Temp：顯卡內部的溫度，單位是攝氏度；
Perf：表征性能狀態，從P0到P12，P0表示最大性能，P12表示狀態最小性能；
Pwr：能耗表示；
Bus-Id：涉及GPU總線的相關信息；
Disp.A：是Display Active的意思，表示GPU的顯示是否初始化；
Memory Usage：顯存的使用率；
Volatile GPU-Util：浮動的GPU利用率；
Compute M：計算模式；
周期性的輸出顯卡的使用情況（10s一次）
watch -n 10 nvidia-smi
直接查看哪個用戶使用GPU最多 gpustat
pip install git+https://github.com/wookayin/gpustat.git@master --user
gpustat -cu
沒有root權限，才加--user，個人覺得超好用！
shell分屏，終端復用軟件 Tmux
sudo apt-get install tmux
https://www.cnblogs.com/kevingrace/p/6496899.html
指定空閑的GPU顯卡（例如第2塊卡）跑程序
在代碼前加上：
import os
os.environ['CUDA_VISIBLE_DEVICES']='2'
或者命令行執行程序時：
CUDA_VISIBLE_DEVICES=2 python xxx.py
終於能用GPU了，然后跑了下MNIST with FGSM的例子：mnist_tutorial_tf.py
結果發現 報錯了！！
（Loaded runtime CuDNN library: 7.0.4 but source was compiled with: 7.2.1. CuDNN library major and minor version needs to match or have higher minor version in case of CuDNN 7.0 or later version. If using a binary install, upgrade your CuDNN library. If building from sources, make sure the library loaded at runtime is compatible with the version specified during compile configuration.）
查看cuda版本
cat /usr/local/cuda/version.txt
查看cudnn版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
如果顯示沒有該文件或該路徑，就到對應文件中去找
解決方案
重新安裝對應版本的TensorFlow（我安裝的TensorFlow1.11.0太高了，cudnn7.04 估計是對應 TensorFlow1.5.0-1.9.0 吧）
pip install --upgrade --force-reinstall tensorflow-gpu==1.9.0 --user
或者安裝錯誤提示中的cudnn對應版本（我沒有服務器權限，所以此法較為麻煩）
終於能跑了！！
網上幾乎也沒有關於CleverHans跑實驗的文章，痛苦....
TensorFlow版本對應圖
https://www.tensorflow.org/install/source
如果覺得本文還不錯的，能成功解決你問題的朋友，請隨手點個贊吧~ 評論也可以。
版權聲明：本文為博主自主原創，謝絕轉載，請尊重個人成果，非常感謝！
https://www.cnblogs.com/tuji-sjp/p/10015634.html