CUDA driver version is insufficient for CUDA runtime version的解决方案
总结下自己编程中碰到的问题，很零碎，经常容易忘，也懒得专门写博客了，能转载就转载；
CUDA driver version is insufficient for CUDA runtime version，翻译过来就是CUDA的驱动程序版本跟CUDA的运行时版本不匹配！
1.CUDA driver version（驱动版本）：就是NVIDIA GPU的驱动程序版本；
查看命令：nvidia-smi
我们看到我的GPU的驱动程序版本是：384.81
2.CUDA runtime version（运行时版本）：是在python中安装的cudatoolkit和cudnn程序包的版本
查看命令：pip list
python安装的cudatoolkit和cudnn程序包版本是：9.2
3.nvidia 驱动和cuda runtime 版本对应关系
运行时版本 驱动版本
CUDA 9.1 387.xx
CUDA 9.0 384.xx
CUDA 8.0 375.xx (GA2)
CUDA 8.0 367.4x
CUDA 7.5 352.xx
CUDA 7.0 346.xx
CUDA 6.5 340.xx
CUDA 6.0 331.xx
CUDA 5.5 319.xx
CUDA 5.0 304.xx
CUDA 4.2 295.41
CUDA 4.1 285.05.33
CUDA 4.0 270.41.19
CUDA 3.2 260.19.26
CUDA 3.1 256.40
CUDA 3.0 195.36.15
4.解决方案
从驱动和运行时的版本对应关系来看，版本为384.81的驱动程序 对应的 运行时版本是9.0，也就是说我们在python中安装cudatoolkit和cudnn程序包版本9.2是过高了。
因为系统中依赖GPU驱动的程序比较多，一般出现这种情况，我们都是更改cudatoolkit和cudnn程序包的版本。
于是，先卸载python中安装cudatoolkit和cudnn程序包：pip uninstall cudnn ； pip uninstall cudatoolkit，然后安装对应版本的cudatoolkit和cudnn程序包：pip install cudatoolkit=9.0；pip install cudnn即可；
5.为什么会出现这种情况呢？
一般出现这种情况是因为在python中安装tensorflow的gpu版本时，pip会检查tensorflow依赖的其他的包，如果依赖的包没有安装，则会先安装最新版本的依赖包。这时候tensorflow的gpu版本依赖cudatoolkit和cudnn程序包，pip就会安装最新版本的cudatoolkit和cudnn程序包，最终导致gpu驱动版本和cuda运行时版本不匹配。
6 总结
其实就是CUDA的驱动程序版本跟CUDA的运行时版本不匹配的问题，定位到这个问题，就容易解决了，要么降低 / 升级cudatoolkit和cudnn程序包的版本，要么升级NVIDIA GPU的驱动程序版本；