因为在tf1.6以后官方的tf包都是用AVX编译的，因此如果cpu比较老（1156平台，775平台及更早），都是没这个指令集的，有几个方法可以解决这个问题：
1.使用Docker配置：在windows上显得有点zz，还要先配一个虚拟机，然后上面跑docker，如果要弄notebook还要配置许多其他的东西，我简单了解了下就扔了，我就这么一张卡打游戏，所以就只打算在win上配一下练练而已，不想这么麻烦。
2.自己编译tf：这个说实话我比较担心的是后续的环境管理的问题，所以感觉有些不便，不过这是一个绝对适配自己机器的方案，想要多了解一下的可以移步官方文档
3.使用第三方重新编译好的版本：这个比较简单明了，环境管理也比较方便，主要是用fo40225编译好的版本，截至20191007，尚未推出tensorflow2.0gpusse版本
现在我的远程服务器down掉了，不能确定以下安装方法是否有效，之前虽然配过一次，虽然最后成了，但是过程非常不顺利，以下安装方法是根据自己的记忆和理解复现的，可能会有各种各样的bug，不过还是希望有效，测试成功以后会更新本文，另外买新不买旧，不要再捡1156和775的垃圾啦！
| 类型 | 型号 |
|---|---|
| Motherboard | ASRock P55 Pro |
| CPU | X3440 |
| GPU | GTX780 |
| 内存 | 8+2G |
| 电源 | COOLER MASTER GX550 |
接下来默认存在一定的conda基础，会简单的配置环境，并且已经添加了清华源或其他源
目标：tensorflowgpu1.14+jupyter notebook
首先下载
https://github.com/fo40225/tensorflow-windows-wheel/tree/master/1.14.0/py37/GPU/cuda101cudnn76sse下的tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl
conda create -n tfgpu114 python=3.7
#创建环境
conda activate tfgpu114
conda install cudatoolkit=10.1 cudnn=7.6
cd到你下载的whl文件的文件夹然后
pip3 install tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl
pip3 install -U numpy==1.16.4
jupyter的远程访问
conda install jupyter
#安装
jupyter notebook --generate-config
#生成配置文件，在C:\Users\you\.jupyter\jupyter_notebook_config.json
from notebook.auth import passwd
passwd()
#根据提示生成一个密码的hash值
需要更改的部分
c.NotebookApp.allow_remote_access = True
c.NotebookApp.ip='*'
c.NotebookApp.password = u'sha:ce...刚才复制的那个密文'
c.NotebookApp.open_browser = False
c.NotebookApp.port =8899 #可自行指定一个端口, 访问时使用该端口
也可以远程启动
jupyter notebook --ip=your.ip --no-browser --allow-root
