Tensorflow-gpu 2.4.1与CUDA11.1,cuDNN8.1配置问题

近日配置最新的tensorflow-gpu2.4.1遇到诸多问题，在这里贴出来以帮助遇到同样问题或者避免大家重蹈覆辙。
环境：WINDOWS10 ， GPURTX2060， CPUAMD RYZEN 2600， Python3.8

这篇文件解决以下问题：

1. 应该安装哪些版本的环境才能兼容使用
2. 现有的CUDA，cuDNN环境卸载
3. 以及如何安装这些环境

应该安装哪些版本的环境才能兼容使用

安装tensorflow-gpu==2.4.1以及CUDA11.1与CUDNN8.1环境会遇到许多问题，诸如此类

1.dll缺失问题，问题通常可以通过dll文件改名，或者下载dll文件解决
2.Fail to find the dnn implementation. [Op:CudnnRNN]问题。该问题并不是因为GPU内存不足也不是因为anaconda虚拟环境问题，如这篇文章，而是因为环境兼容性问题。
上述问题，目前我在网上找到的方法都无法解决。
推荐重新安装一下稳定测试过的对应版本，最后我安装了cuDNN8.0以及CUDA11.0解决了上述问题。
对应版本网址的链接

现有的CUDA，cuDNN环境卸载

那么重新安装上述环境就需要卸载，这里推荐Geek卸载助手，

卸载上述应用程序。

卸载tensorflow

$pip uninstall tensorflow-gpu

以及如何安装这些环境

这里给出我新安装的包，安装指南，安装指南

CUDA官网

CUDA是2020年五月
cuDNN官网

cuDNN是2020年七月的应该可以。

如何检查安装成功否，看这个也行
检查CUDA是否安装好，出来版本号就是好了

$nvcc -V

检查cuDNN好没好

$cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\demo_suite
$bandwidthTest.exe

出来PASS就好了

下面需要检查tensorflow能否正常的使用安装好的环境
安装tensorflow

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.4.0

清华镜像网址

import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

上述代码是显示GPU可用

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
config = tf.compat.v1.ConfigProto(allow_soft_placement=True)

sess = tf.compat.v1.Session(config=config)
with tf.device('/gpu:0'):
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
    c = tf.matmul(a, b)
    print(sess.run(c))

上述代码是执行测试
至此tensorflow-gpu即可正常使用。