本科小白tensorflow-gpu2.0.0版本安装历程

总体流程

• 卸载现有的cuda、以及GPU驱动
• 到官网下载好cuda10.0以及对应的cudnn
• 安装tensorflow-gpu==2.0.0正式版

下面说一下具体注意事项（我遇到过的坑）：

• cuda的下载版本需要根据你的显卡型号和tensorflow的版本来选择
• 官网默认下载的cuda是最新版本，一定记得去寻找一下历史版本
• cudnn的下载需要注册账号，但是一定要下载对应的版本
• cudnn的安装过程就是把对应的文件夹里面的文件剪切到cuda对应的文件目录之下
• 至于为什么需要卸载现有的cuda和GPU驱动，我是因为之前安装了GPU驱动，但是在安装cuda时总是出现各种莫名其妙的错误，索性直接一块卸载一块安装；这样在安装cuda时就不需要注意什么东西了，直接一路点击下一步即可。。。
• cuda是N卡的驱动，也就是只有NVIDIA公司的显卡才能使用，AMD的显卡用不了
• 关于tensorflow-GPU版本版本的安装，切勿直接使用命令：pip install tensorflow-gpu，这是因为pip工具会默认下载最新版本的tensorflow2.1.0
• 使用命令pip install tensorflow-gpu==2.0.0 -i https://pypi.douban.com/simple安装
• 如果中间过程出现个别库的版本过高或者过低，务必卸载并安装好对应版本的库
• 最后记得安装好一个叫做numba的库
• 最后的最后，在用ensorflow-gpu版本做相关神经网络的训练时，我的GTX1050显卡4GB内存直接被占了一大半，有时全部被占用，而且程序运行结束之后也不会自动释放被占用的内存。因此，一定记得在程序的开头加入一句：from numba import cuda，在程序结束的位置加上一句cuda.close()就可以将cuda占用的显卡内存释放

本小白的历程到此为止，希望对各位读者有用！