如何用conda安装TensorFlow-gpu 1.0.0（Python3.5+CUDA8环境）

当前conda默认检索渠道、PyPI默认索引已经停止对2017年发布的TensorFlow 1.0.0版本的实时索引。这类早于1.15版本的早期GPU版安装包，全部被归档到了历史专属渠道，直接执行常规的conda search或者pip index versions命令自然检索不到匹配包，并非版本不存在或者本地环境配置出错。

conda渠道安装操作 #

• 首先激活已经配置好Python 3.5的目标conda环境，避免把安装包误装到全局默认环境。
• 执行带历史归档渠道标签的安装命令，强制拉取归档区的匹配版本，同时手动锁死和CUDA 8完全适配的计算组件依赖，避免版本错位：
  conda install tensorflow-gpu=1.0.0 cudatoolkit=8.0 cudnn=5.1 -c anaconda/label/archive -c conda-forge/label/archive
• 安装过程中如果弹出版本冲突提示，直接按提示确认保留指定版本即可，不要选择自动升级到更高版本的依赖包。

pip渠道兜底安装操作 #

• 先校验当前终端激活的Python版本，执行python --version，确认输出为3.5.x版本后再继续后续操作。
• 当前pip的默认解析器会自动跳过已归档的旧版本安装包，需要加上旧版解析器参数才能正常检索到匹配版本；同时关闭自动依赖安装逻辑，避免pip自动拉取和本地CUDA 8不兼容的计算库，破坏现有环境：
  pip install tensorflow-gpu==1.0.0 --use-deprecated=legacy-resolver --no-deps
• 安装完成后进入Python交互环境，执行import tensorflow as tf，能正常打印出版本号、识别到本地GPU设备即为安装成功。

• 全程不要在安装流程中选择任何版本自动升级选项，TensorFlow 1.0.0仅适配Python 3.5、CUDA 8、cuDNN 5.1的版本组合，任意一个组件版本错位都会导致运行报错。
• 安装完成后不要立刻更新conda或者pip的源缓存，否则缓存更新逻辑可能会自动触发不兼容的依赖升级，替换掉刚安装的1.0.0版本。
• 不需要选择从源码编译TensorFlow 1.0.0的方案，在已经配好运行环境的前提下，拉取归档安装包的稳定性远高于源码编译，还能避开编译环节缺失bazel等工具的常见问题。
• 如果安装时提示权限不足，可在原有命令末尾加上--user参数重新执行，不要用管理员权限强制全局安装，避免污染系统自带的Python环境。

内容的提问来源于stack exchange，提问作者Omar