我正在尝试使用 Conda 安装 tensorflow-gpu 1.15，以便轻松安装 CUDA 和 cuDNN。问题是查看官网的兼容性图表我需要python 3.6、CUDA 10.0和cuDNN 7.4。
通过conda search cudnn它搜索 Conda 代表说没有 cuDNN 7.4。有没有其他方法可以安装所需的软件包？或者也许 tensorflow 1.15 也适用于其他版本的组合？
作为旁注，python 3.6、tensorflow-gpu 1.15 和 CUDA 10 安装正确，但如果没有 cuDNN，我似乎无法正确使用 GPU。我最近才开始使用 Conda，所以也许有一种我没有意识到的直接方法可以做到这一点。我的 Conda 版本是 4.9.1（miniconda 版本）。
- -更新 - -
以防万一我在尝试时添加错误conda create -n myenv -c conda-forge tensorflow-gpu=1.15：
Collecting package metadata (current_repodata.json): done
Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source.
Collecting package metadata (repodata.json): done
Solving environment: -
Found conflicts! …我只想使用熊猫图获得水平网格。
pandas的集成参数仅具有grid=True或grid=False，因此我尝试使用matplotlib pyplot来更改轴参数，尤其是使用以下代码：
import pandas as pd
import matplotlib.pyplot as plt
fig = plt.figure()
ax2 = plt.subplot()
ax2.grid(axis='x')
df.plot(kind='bar',ax=ax2, fontsize=10, sort_columns=True)
plt.show(fig)
但是我没有水平或垂直的网格。熊猫会覆盖轴吗？还是我做错了什么？
是否有一种标准方法将定义的所有参数传递__init__()给整个类（作为自参数）？
例如在我的程序中我通常这样做：
class DummyClass():
def __init__(self,x,y,z):
self.x = x
self.y = y
self.z = z
...
有没有办法在不单独传递每个参数的情况下执行相同的操作？我想我曾经见过类似的事情super()。