一、电脑是否支持GPU版本
即GPU是否支持cuda
现在电脑一般都有GPU，支持GPU版本
具体查看方法
Windows+R键或者CMD串口输入dxdiag
也可以右键我的电脑->属性->设备管理器等方式查看
我显1是Intel的，未查到支持GPU与否，可以看显2。
可以看到是NVIDIA生产的GeForce系列。
登录网站https://developer.nvidia.com/cuda-gpus
找到自己芯片的这一系列，点开可以看到我的GTX1050在里面，所以是支持的
2.安装TensorFlow
我python版本是3.7，辛亏TensorFlow刚好可以支持。建议使用python3.5版本的安装。毕竟这东西不是越新越好，老版本更稳定。
一般安装非GPU版本的一条命令就结束了
pip install tensorflow
安装GPU版本的也是一条命令
pip install tensorflow-gpu
但是安装完成后测试
提示“ImportError: DLL load failed: 找不到指定的模块。”
这是因为还需要下载cuda和cuDDN
3.安装cuda和cuDDN
TensorFlow和cuda以及cuDDN也有版本对应关系的
dos窗口中输入
pip list
可以看到我的TensorFlow是2.1，截止是最新版本，然后我就去找cuda和cuDDN对应的版本。
https://tensorflow.google.cn/install/source_windows
在这个网站有部分版本对应，但是未涉及2.1.0
参考https://blog.csdn.net/weixin_43644231/article/details/104650307和官网有所出入，但是可行。
可以看到我需要下载cuda10.1版本和cuDNN7.6版本
cuda安装
cuda下载网址https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
仔细看好版本，去历史版本找适合的版本
10.1有三个版本，我读了下一在线文档，都是向前兼容，添加了某些支持，所以我下载的CUDA Toolkit 10.1 update2 (Aug 2019),
下载完成后右键管理员身份打开安装。
完成后打开环境变量发现已经添加了两个环境变量
再添加以下环境变量
CUDA_SDK_PATH=C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
CUDA_LIB_PATH=%CUDA_PATH%\lib\x64
CUDA_BIN_PATH=%CUDA_PATH%\bin
CUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\commen\lib\x64
打开cmd，输入nvcc -V可以验证CUDA的安装是否成功。
cuDDNA安装
网址：https://developer.nvidia.com/rdp/cudnn-archive
创建用户然后登录。
无法登录注册https://www.nvidia.cn/这里面注册登录，我也是找了好长时间,但是上面的网址你得反反复复好几遍，才能下载，登录后又找不到在哪下载，贼麻烦。
然后下载完成，解压后将三个文件夹拷贝到CUDA_PATH指定的路径下面。检测一下变量中是否还有lib/x64文件夹的配置。
再次验证TensorFlow是否能运行。
import tensorflow as tf
hello=tf.constant("hello tensorflow")
sess=tf.Session()
print(sess.run(hello))
还提示报错，搜索原因后是VS，安装CUDA时，软件也提了没有VS，害，这东西这么大，而且容易和我其他软件不兼容，实在是不想安装，但是还是安装了。
测试再报错，TensorFlow1.x版本和2.x版本代码有点变动
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())
anaconda安装过程也差不多，版本可以更新的比较慢？貌似？我也不喜欢用anaconda，每次pycharm导入解释器就好长时间，所以没有安装anaconda的TensorFlow。
