总结：
1，现在cuda版本从8.0--10.2都有，如果想尝试低版本的开发框架，兼容性较好的是：cuda9.0，尽量不要选择cuda9.2
因为：tensorflow、mxnet、pytorch都有cuda9.0支持的版本，但是tensorflow不支持cuda9.2、cuda9.1，很麻烦！
2，要想使用低版本的开发环境，尽可能使用python=3.6，而不是python=3.7。
3，如果要使用低版本的开发框架，尽量使用ubuntu16而不是ubuntu18，因为有的时候对gcc版本有要求，ubunu18的gcc版本是7以上。而老版本的工具一般使用gcc5-6，所以，若是在ubuntu18环境里面，还得把版本降低到gcc5--6。
4，cuda10.1对ubuntu的版本是有要求的，估计ubuntu16不行。
5，显卡版本与cuda版本也是有要求的。
6，我试图在ubuntu18版本里面，通过docker安装cuda90，cuda92等等较低版本的工具软件！并使用jupyter开发环境。
0，conda create -n tf12 python=3.6 安装python=3.6版本低版本较好
1，安装cuda9.0，cudnn7.1.4.18 可以兼容许多版本
2，pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
或： pip install tensorflow-gpu==1.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
3, conda install pytorch=0.4.1 cuda90 -c pytorch
或者 ： conda install pytorch=0.3.0 cuda90 -c pytorch
pip install scikit-image==0.13.0
pip install torchvision==0.2.0
4, pip install mxnet-cu90==1.4.1 （numpy=1.14）或 pip install mxnet-cu90==1.5.1
5, 根据版本，需要将numpy降低版本：pip install numpy==1.16.0
https://download.pytorch.org/whl/cu90/torch_stable.html
http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/