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.查看CUDA driver version (驱动版本):
nvidia-smi
显示的驱动程序版本是：384.145
2.查看CUDA runtime version (运行时版本):
conda list cudatoolkit
conda list cudnn
python安装的cudatoolkit和cudnn程序包版本是：9.0
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.xx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程序包版本应该是9.0，如果显示的是9.2的话，需要重新安装。
conda uninstall cudnn cudatoolkit
# cudatoolkit安装对应版本号
conda install cudatoolkit=9.0
conda install cudnn
# 重新安装tensorflow-gpu
conda install tensorflow-gpu=1.13
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。