tensorflow安装GPU版本主要要点

1.先通过该网站查看tensorflow和cuda和cudnn版本以及visual studio(MSVC)的对应关系。（可供参考）

https://www.tensorflow.org/install/source_windows#gpu

在英伟达控制面板，点击右下角的系统信息，可查看驱动的版本信息，点击上方的组件，可查看需要的cuda的版本（这里指的是你的电脑支持的最高版本的cuda driver版本，并不是推荐你安装这个，仅参考）

选择cuda的版本比较麻烦，需要兼顾tensorflow，显卡驱动版本，电脑版本。

可以参考一下这个，驱动版本和cuda的版本对应，只要驱动版本符合大于等于的要求就可以使用对应的cuda版本。

2.在这个网站上根据自己需要下载对应版本的cuda toolkit，如果网络很好可以选择下载较小的network包，一般建议安装local本地包。

https://developer.nvidia.com/cuda-toolkit-archive

安装时可以选择精简安装，也可以自定义安装，可选择想安装的插件，一般可以默认全选。

在安装完成后，会自动添加一部分cuda的环境变量

cuda的环境变量不需要再手动添加了。

注：可以看这篇文章了解cuda driver和cuda toolkit的区别，加深理解。

https://www.cnblogs.com/marsggbo/p/11838823.html

3.在这选择对应的cuda和tensorflow的版本的cudnn下载。

https://developer.nvidia.com/rdp/cudnn-archive

4.下载完成后，解压文件得到lib，bin，include和一个txt文件，将三个文件夹下的三个文件分别对应复制到cuda的安装路径下的对应文件夹下（默认安装的话是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0下的lib，bin，include文件夹下）

5.下面添加cudnn的环境变量，先新建一个系统变量，如下图，然后在系统变量的path下进行编辑，新建如第二张图的两个解析路径。

在安装后cuda后可以通过cmd输入nvcc -V验证一下。

在安装好tensorflow-gpu后，

执行下面代码，如果打印use GPU true，则代表gpu安装完成，可以使用gpu进行训练。

import tensorflow as tf

gpu_ok = tf.test.is_gpu_available()
print("tf version:", tf.__version__)
print("use GPU", gpu_ok)

我的环境以及最终安装完成的版本（rtx2060驱动版本451.67，cuda10.0.130，cudnn7.6.2.24，tensorflow-gpu1.15.4，win10x64）

仅供参考