tensorflow-gpu
- 遇到情况是：
电脑上滴啊有GPU，但是安装时没在意，安装的是cpu版本，重新卸载安装。
解决错误中用到的命令： - tf查看版本
tf.__version__
卸载windows下的tensorflow-cpu
在cmd中转换到python下的pip，或者安装有git，直接代开即可
输入
pip uninstall tensorflow
直接没有
如果是之前装的gpu，卸载gpu版本，则需要加后缀。
pip uninstall tensorflow-gpu
- 删除残留文件
卸载完后会有残留文件也需要删除，在利用上面安装路径命令，查看安装位置 - tf查看安装位置
tf.__path__
- 删除所有带有tensor的文件夹
接下来将如何安装windows的gpu版本tensorflow
之前有过经验的应该知道，gpu版本的多种框架pytorch、tensorflow安装cuda。
安装cuda具体步骤可参考https://blog.csdn.net/qq_41760767/article/details/97444053
因之前安装过pytorch，已有cuda的可按以下来：
1）按win+Q，输入控制面板，然后查看方式小图标，点击NVIDIA控制面板：
2）第二种方式是：
打开CMD，输入nvcc --version
安装
- 安装时一定要根据自己的python、cuda版本安装对应的tensorflow版本
- 最好是安装前先选好版本，再去安装对应环境下的cuda、python
pip install tensorflow-gpu
安装完成
测试一下
python文件
import tensorflow as tf
# Creates a graph.
with tf.device('/device:GPU:2'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with allow_soft_placement and log_device_placement set
# to True.
sess = tf.Session(config=tf.ConfigProto(
allow_soft_placement=True, log_device_placement=True))
# Runs the op.
print(sess.run(c))
又白高兴了，这个问题应该是cuda版本不够安装2.4.1，去查一下发现：
最新版本要求cuda在11.0了，卸载重装一个2.2试一下
还是没解决。继续找找，现在不一样的就是cuda我的是10.2之前安好的，但是tensor官网上没有相应的版本，不过我之前也装过cuda10.0，版本转换试一下。
cuda版本转换
我的电脑右击属性
-
改完后
-
验证deviceQuery和bandwidthTest
-
在命令窗口运行测试文件，定位到 在cuda安装目录的 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite，分别输入deviceQuery.exe，bandwidthTest.exe并运行，两个地方的Result=PASS则说明通过，反之，Rsult=Fail 则需要重新安装。
最终有没有很好地解决，不过因为只是生成下文件，cpu的也能使用，不用他用于训练，也懒得整了。
至于原因应该是，cuda、python与tensorflow的版本不一致导致的，我的Python是3.8的，cuda是10.0或者10.2，因此没有合适版本的tensorflow
因此最最重要的一定要看好版本再着手装。