Tensorflow GPU配置（一次性安装成功）

首先说环境：

我这次配的是
tensorflow 2.0 + CUDA 10.0 + cuDnn 7.65
首先你得确定你的tf版本，这样才能对应选择CUDA以及cuDnn，tf 2.x版本还没用过，想体验一下，最开始没控制版本，下了2.1版本，但是安装对应CUDA以及cuDnn时始终找不到DLL文件，最后发现2.0版本安装最快又没啥问题。记录一下，以后优先这样安装

（补充：tf2.0和1.x版本有点冲突，又配了个1.15的环境，tensorflow 1.15 + CUDA 10.0 + cuDnn 7.65也是可以用的）

CUDA 10.0

CUDA 下载很简单，直接去官网，选择版本然后下载，最好是选择local，这样迅雷下起来速度还可以

在cmd中输入ncvv --version 可以检查有没有安装成功，没有的话可能是忘记添加环境变量了，一般CUDA环境变量自动加进去了

CUPTA和CUDNN还没有加进来，所以必须将它们添加到路径，这样使用Tensorflow的时候才不会报错

D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64;
D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;
D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\libx64;
D:\360Downloads\CUDA10.1\NVIDIA Corporation\CUDA\Samples\v10.1\bin\win64;
D:\360Downloads\CUDA10.1\NVIDIA Corporation\CUDA\Samples\v10.1\common\lib\x64

cuDnn 7.65

cuDnn 同样去官网下载，需要一个账号，然后根据CUDA版本对应下载就行了，下好之后解压，将文件发放到CUDA对应的安装目录里去，

tensorflow 2.0

创建一个新的环境 用的python 3.6
然后

pip install tensorflow-gpu==2.0

推荐使用镜像源，为了防止pip timeout 最后可以这样输入

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.0 --default-timeout 100

最后检查tensorflow-gpu 是否可用，进入python环境：

import tensorflow as tf
print(tf.test.is_gpu_available())

（补充，tf-gpu不可用的原因还可能是英伟达驱动版本不对，去官网更新就行了）