前提：cuda版本和cudnn版本已安装好，版本对应没问题；
问题：在安装好cuda、tensorflow、tensorflow-gpu的环境下，调用tensorflow跑模型，发现cpu资源占满，而gpu处于空闲状态。
导致上述问题的原因可能有两个：
（1）tensorflow-gpu的版本低于tensorflow的版本；
（2）cuda版本与tensorflow-gpu版本对应不上；
对于第一个原因：tensorflow-gpu的版本低于tensorflow的版本，有以下检查方法：
（1）跑模型，然后bash环境输入nvidia-smi直接查看是否正使用gpu（也能查看CUDA版本）
（2）在python环境下打印设备信息
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())1）假如tensorflow-gpu版本低于tensorflow版本时，只会输出以下设备全是cpu的信息：
2）假如tensorflow-gpu版本高于tensorflow版本时，会同时输出cpu和gpu信息：
所以，如果是tensorflow-gpu版本低于tensorflow版本的问题，那直接更新下tensorflow-gpu的版本，使其大于tensorflow版本。
对于第二个原因，cuda版本与tensorflow-gpu版本对应不上，有以下检查方法：
版本对应关系
（1）查看cudnn版本：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
下面显示cudnn版本信息是7.6.5
（2）查看cuda版本：nvcc -V 或 nvcc --version 或 nvidia-smi
所以，如果是tensorflow-gpu版本和cuda版本对应的问题，同样也是更新tensorflow-gpu的版本，并且保证更新后的版本大于tensorflow版本。