window10 系统如何安装GPU版本的tensorflow, 并安装正确的cuda, cudnn
第一步: 安装前，硬件和驱动检查。（直接跳过第一步）
查看显卡是否支持cuda
https://developer.nvidia.com/cuda-gpus
是否支持某个版本的cuda，还得参考显卡驱动的要求。
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
根据显卡下载驱动
https://www.nvidia.cn/Download/index.aspx?
第二步：选择tensorflow 版本，比如想要安装tensorflow-2.1.0 版本。(先不着急安装，在第四步安装)
第三步：安装cuda（CUDA是NVIDIA推出的用于自家GPU的并行计算框架）。按照tensorflow官网的cuda对照表,根据你要想要安装的tensorflow版本，选择安装一个对应版本的cuda。(比如你想要装tensorflow-2.1.0 版本，tensorflow官网说要按照cuda 10, 但是没说是10.0，10.1，还是10.2。 我一般会选中间的10.1版本，最新的可能不兼容。） 如果安装出错，请检查第一步。检验安装是否成功，在terminal输入：nvcc -V
tensorflow官网cuda对照表 https://tensorflow.google.cn/install/source_windows
第四步：安装tensorflow（pip install tensorflow-gpu==2.1.0）
安装完成后，在python导入tensorflow模块。如有提示报错，再根据报错下载对的cuda版本（如你在第三步安装了cuda-10.2版本，python导入tensorflow，报错可能无法找到cudart64_101.dll，101对应cuda是10.1版本，那么去下载10.1版本cuda安装吧。再次安装新的cuda版本时，选择自定义安装，只需要安装cuda组件（没必要重复安装其他组件））。如果你刚好安装的是正确版本cuda, 在python导入tensorflow模块时会提示类似下面：Successfully opened dynamic library cudart64_101.dll）这里101表示我目前安装的tensorflow成功的匹配了我已经安装了的cuda 10.1版本。
第五步：安装cudnn（cudnn是一个神经网络层加速库文件。没有账户就注册一个）。 cudnn版本对应cuda的版本（下载页面都是对应cuda版本下载的，容易)
下载完成后，如何设置cudnn，官网给了很好的说明。
https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html
第六步：再次运行tensorflow。如果还是报错，建议重新安装tensorflow。这里的目的是为了让tensorflow自己找到对应版本的cuda（根据第三步，我重新安装tensorflow-2.1.0）
pip uninstall tensorflow
pip install tensorflow-gpu==2.1.0
如果你需要安装多个版本的tensorflow, 可能会需要多个对应版本的cuda和cudnn
创建不同的虚拟环境，每个虚拟环境里安装不同的tensorflow(步骤如上), tensorflow会根据自身版本的需求找到对应的cuda版本。实际使用时，直接切换虚拟环境就可以。
