网上关于这个错误的解决方案有：
方案1，tf老版本需要升级，安装nightly版本
方案2，tf是个贪心的框架，需要修改对GPU的配置，比如该链接https://ask.csdn.net/questions/714365
方案3，画重点，一样的现象是不同的问题根源。具体情况需要具体分析：
最近由于项目需要使用tf-gpu 12.0版本，依赖cuda9.0，但是环境里已经有cuda10，于是安装了两个版本（cuda9和cuda10并存），安装cuda9后理所当然的下载了cuda9对应版本的cudnn，但是这个cudnn拷贝了lib相关的库文件到cuda路径后就会出现下面的错误： “tensorflow.python.framework.errors_impl.internalerror: cudnn PoolFoward launch failed”
后来寻思着可能是cudnn版本问题，下载了cuda9对应的各个版本cudnn还是报错，后来使用nvidia-smi命令查看，显示的是CUDA Version10 ，于是下载了cuda10对应版本的cudnn后，问题解决。
所以目前成功的版本为：
CUDA: 9.0.176_384.81
CUDNN: V7.4.2 (cudnn-10.0-linux-x64-v7.4.2.24.tgz)
tensorflow: 1.12.0