玩Keras图像识别的朋友，误操作升级了Nvidia，怎么办？

玩Keras图像识别的朋友，误操作升级了Nvidia，怎么办？

转pytorch很久，前些日子由于种种原因，跑了一下以前的keras写的程序，结果一脸懵逼。惨痛的经历告诉我，工作电脑千万不可乱升级，最好留个还原点。错点了一键升级，两天各种bug报错，让人措手不及。特别是瘟逗死系统，升级软件还是要悠着点。
升级NVIDIA以后，keras下需要使用GPU计算的，各种不能用，pip命令重装，conda install命令在环境下重装，各种框架的降级、关联包降级，都试过，没有一个可以用的。都试了一遍，还是因为不想重新搭环境，太TM累了。无情的错误告诉我，这样是不行的。怎么办呢？
一、卸载安装tensorflow
进入工作环境，卸载TensorFlow开头的所有包，卸载cudnn,建议命令行卸载。再用conda install命令安装TensorFlow及GPU的一些库，就是前面卸载掉的那些包。
二、卸载安装CUDA
在windows下，打开控制面板，卸载Nvidia关于cuda的所有程序。（下图是转载的，懒得结了）
卸载完毕后，利用某60清理注册表。下载CUDA10.0版本按照要求进行安装，提供一个比较靠谱的安装介绍。https://blog.csdn.net/m0_37872216/article/details/103136477
安装完毕后检查是否正常。
三、配置cuDNN
在官网上下载对应操作系统的cuDNN,然后把压缩包中的下面三个文件
拷贝到：
下面，合并到一起。下载cudart64_101.dll放到bin里面。从bin中复制出以下dll文件
将每个文件的100改成10，然后放回bin文件夹中。如果还报OOM的错，那就动态分配GPU显存。方法自己查。网上常说的把import keras改成import tensorflow.keras，比较扯，这样下去问题更多，开始我就是这样被误导的。其实回顾一下，还是挺简单的。干脆一点，如果网速快，上面的安装不超过两个小时，解决很多隐患。
2000张图片的epoch,速度还是可以的。