我已经在 Linux Ubuntu 16.04 上成功安装了 tensorflow (GPU) 并进行了一些小改动，以使其与新的 Ubuntu LTS 版本一起使用。
但是，我认为（谁知道为什么）我的 GPU 满足了大于 3.5 的计算能力的最低要求。情况并非如此，因为我的GeForce 820M只有 2.1。有没有办法让 tensorflow GPU 版本与我的 GPU 一起工作？
我问这个问题是因为显然没有办法让 tensorflow GPU 版本在 Ubuntu 16.04 上运行，但是通过搜索互联网我发现情况并非如此，而且如果不是因为这个不满足的要求，我确实让它几乎可以工作。现在我想知道 GPU 计算能力的这个问题是否也可以解决。
TensorFlow 的最新 GPU 版本需要 3.5 或更高的计算能力（并使用 cuDNN 访问 GPU。
cuDNN还需要 cc3.0 或更高版本的 GPU：
带有 Pascal、Kepler、Maxwell、Tegra K1 或 Tegra X1 GPU 的 Windows、Linux 和 MacOS 系统支持 cuDNN。
cuDNN 不支持 Fermi GPU（cc2.0、cc2.1）。
cuDNN 也不支持较旧的 GPU（例如计算能力 1.x）。
请注意，从来没有一个版本的 cuDNN 或任何官方支持低于 cc3.0 的 NVIDIA GPU 的 TF 版本。cuDNN 的初始版本开始时需要 cc3.0 GPU，而 TF 的初始版本开始时需要 cc3.0 GPU。
2017 年 9 月更新：没有问题和痛苦就没有办法做到这一点。我已经尝试了所有方法，甚至应用了以下技巧来强制它运行，但最后我不得不放弃。如果您对 Tensorflow 很认真，请继续购买 3.0 计算能力 GPU。
这是强制 tensorflow 在 2.0 计算能力 GPU（非官方）上运行的技巧：
用记事本++或类似的东西打开它
搜索3\.5.*5\.2使用正则表达式的第一次出现
你看3.5*5.2之前的3.0，改成2.0
我按照上面的方法进行了更改，可以使用 GPU 进行简单的计算，但是在尝试实际项目时会遇到奇怪和未知的问题（这些项目在 3.0 计算能力的 GPU 下运行良好）
我发现了如何在计算能力 2.1 NVIDIA GeForce 525M for python 上安装 Tensorflow-gpu，诀窍很简单，使用 tensorflow 的存档版本，我使用 1.9.0 使用 PIP 进行打包的 python 命令是 pip install tensorflow-gpu= =1.9.0 和 cuDNN 版本是 7.4.1