折腾了好长时间，终于可以使用了。
1、基本思路
一开始安装的时候，一味地追求最新，最后发现最新的不一定是最适用于自己的。
一开始下载的是cuda10.1、python 3.7、tensorflow-gpu 2.0。一直没有安装成功。后来看到一篇博文，说tensflow-gpu2.0对python3.7版本尚不能友好支持，遂基于python3.6展开环境配置。
1.1 可以参考的官网：
1、cuDNN安装（cuDNN Installation Guide）：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#install-windows
该安装中包含了win、linux、mac的安装方式
2、安装 TensorFlow：https://tensorflow.google.cn/install?hl=zh-CN
官方上的安装按照道理来讲，应该不会错，错在了“时间”，因为各自官网上发布的版本是不同的，而官方的安装方式肯定是各个包最新的。兼容性就大打折扣，比如我装python3.7时候，一直在失败中徘徊。
3、NVIDIA Driver Downloads：https://www.nvidia.com/Download/index.aspx?lang=en-us
这中间有类型选择：
打开NVIDIA控制面板——>系统信息（左下角）——> 显示栏目，可看到windows driver type对应参数
1.2 常用的下载网站
（由于官网上显示的都是最新版，旧版本不好找，所以贴出相关链接）
Unofficial Windows Binaries for Python Extension Packages：https://www.lfd.uci.edu/~gohlke/pythonlibs/
该网站中含有了python相关的各种第三方包
CUDA Toolkit 10.0 Archive：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
CUDA在官网页面显示的是10.1，10.0版本的链接被隐藏的不知去向，但可以搜出来——关键字 CUDA10.0
Anaconda installer archive：https://repo.continuum.io/archive/
anaconda 的官网显示页面也是最新版本，当前最新版对应python3.7，所以必须找到适用python3.6的旧版，安装后再升级
备注：anaconda的官网：https://www.anaconda.com/distribution/#download-section
记得选择windows，默认的是中间的macOS系统版本
pip/dev: links for tensorflow-gpu：https://pip.aws.lolatravel.com/pip/dev/+simple/tensorflow-gpu/
Unofficial Windows Binaries for Python Extension Packages 中的tensorflow版本比较有限，想选择更多的版本，可以打开这个网站，各个tensorflow版本都有
Links for tensorflow-gpu：http://pypi.doubanio.com/simple/tensorflow-gpu/
这个网站和上一个网站都是tensorflow下载网站，不过排版比较乱
1.3 版本关系
1、tensorflow2.0对GPU的要求：CUDA计算能力不低于3.5
硬件要求
系统支持以下支持 GPU 的设备：
- CUDA® 计算能力为 3.5 或更高的 NVIDIA® GPU 卡。请参阅支持 CUDA 的 GPU 卡列表。
软件要求
必须在系统中安装以下 NVIDIA® 软件：
- NVIDIA® GPU 驱动程序 - CUDA 10.0 需要 410.x 或更高版本。
- CUDA® 工具包 - TensorFlow 支持 CUDA 10.0（TensorFlow 1.13.0 及更高版本）
- CUDA 工具包附带的 CUPTI。
- cuDNN SDK（7.4.1 及更高版本）
- （可选）TensorRT 5.0，可缩短在某些模型上进行推断的延迟并提高吞吐量。
来源tensorflow官网：https://tensorflow.google.cn/install/gpu?hl=zh-CN
2、查看支持CUDA的GPU列表
官方网站：https://developer.nvidia.com/cuda-gpus，然后点击 CUDA-Enabled GeForce and TITAN Products，会出现下拉菜单。
关于这个有个小插曲，当时买电脑时，看了好多博客、论坛，当时众说纷纭，选择显卡（2080、2070、2060、1080、1070）时候比较迷茫，后来做了个表格（买完后删了），最优选择为2070.
显卡型号 内存 颗粒数 深度学习 备注 选择指数 2080/2080Ti/2080maq 8G 为此而生 太贵 *** 2070/2070maq 8G 为此而生 还可以 ***** 2060 6G 为此而生 便宜 ** 1080/1080Ti 8G/6G 支撑良好 8g的昂贵 * 1070 / 支持良好 / * 看了这个官方的计算能力表格，说明当时没有选错。好多网上说的跑分，我压根就没看。
3、tensorflow 和 python 版本的关系表
tensorflow 官方表：https://tensorflow.google.cn/install/source_windows#gpu
下表当作参考吧，当安装失败的时候，就奉为圭臬就好，安装成功时候，就忽略 —— 玄学！
4、anaconda 与 python 的关系表
对应表来源（作者_沥川往事）：https://blog.csdn.net/yuejisuo1948/article/details/81043823
作者wyx100在
《查看Anaconda版本、Anaconda和python版本对应关系和快速下载》
https://blog.csdn.net/wyx100/article/details/79453941
文章中整理如下：
2 安装
上面铺垫那些多，无非就是先调研好，便于安装！
由于我是安装运行可用后回顾写的，所以没有截图，部分会用到别人的网图，若在意，则私信我删除，谢谢！
为了减少安装错误少出，采用anaconda来配置环境的方式。