win10本机cuda与anaconda虚拟环境目标安装cuda版本不匹配：tensorflow-gpu1.12+CUDA9.0+cuDNN7.1.4

本篇文章写在准备用gpu跑深度学习代码的时候，因为cpu着实有点太慢了。
原本的代码是基于tensorflow1.12框架的，为了避免大幅度的代码改动，选择安装tensorflow-gpu1.12
1.首先，用conda命令创建虚拟环境

conda create -n evn-name python=<指定python版本>

2.激活虚拟环境

conda activate evn-name 

3.安装tensorflow-gpu 1.12，这里用conda的时候一直停在solving environment，所以用了pip命令，这里需要提一句的是，anaconda4.8版本中，在conda create新的环境时，已经默认在新环境装了pip，此时进入该环境后，用pip命令安装的包，默认会装在本环境中,不必担心pip一个包后后会将其他环境的包改变版本的情况

pip install tensorflow-gpu==1.12 -i https://pypi.tuna.tsinghua.edu.cn/simple

4.安装CUDA和cuDNN
需要自行查找各个tensorflow版本对应 的CUDA和cuDNN版本，这里tensorflow-gpu 1.12 对应的CUDA版本为9.0，cuDNN版本为7.1.4

通过"conda search tensorflow-gpu", 可以看到有满足安装版本要求的tensorflow-gpu

通过命令: "conda search cudatoolkit"来看一下是否有此cudatoolkit的安装包

同理，可以通过conda search cudnn来查看目前镜像源里存在的cudnn版本

按理来说，是可以通过

conda install cudatoolkit==9.0

和

conda install cudnn==7.1.4

来安装的，但不出意外，出意外了
他一直卡在solving environment
所以，参考了这篇文章
链接: conda虚拟环境中安装cuda和cudnn，再也不用头疼版本号的问题了
为什么参考这篇文章呢，因为我的本机cuda是11.2，而我的代码是基于tensorflow1.12的，而1.12必须对应cuda9.0，如果我的代码支持tensorflow2.0的话，可以直接安装一个tensorflow2.0就可以了，cuda和cudnn会直接打包下载和安装
而且，通常情况下，在Anaconda虚拟环境中只能安装与主机系统上已安装的CUDA版本兼容的CUDA Toolkit版本。因此，如果您的本地系统上已经安装了CUDA 11.2，那么在Anaconda虚拟环境中安装CUDA 9.0可能会遇到兼容性问题。
请注意，CUDA Toolkit包括与主机系统和其他依赖项紧密集成的库和驱动程序。如果您在Anaconda虚拟环境中使用不兼容的CUDA版本，可能会导致不稳定或错误的行为。
但，我没得选
(1)执行上述命令后，会显示出源内所有的cuda版本，以及下载地址，如图所示(这里借图，所以地址是linux，我自己的是win10下的，侵权删）

conda search cudatoolkit --info

（2）把命令复制到浏览器，会自动下载对应版本的安装包
（3）执行如下命令进行安装，因为是通过本地安装的，所以需要写明本地包的路径

# 然后安装本地包
conda install --use-local 本地cuda包所在的路径

（4）cudnn的安装同理，相关命令如下

conda search cudnn --info #查看下载地址
conda install --use-local 本地cudnn包所在的路径 #安装

下载的安装包如图

安装成功的终端是这样的

如果要测试的话，可以运行测试程序：

# -*- coding: utf-8 -*-
import tensorflow as tf

# 验证CUDA是否安装成功
print("CUDA available:", tf.test.gpu_device_name() is not None)

# 打印当前GPU设备列表
print("GPU devices:")
print(tf.test.gpu_device_name())

# 验证cuDNN是否安装成功
print("cuDNN available:", tf.test.is_built_with_cuda())

测试结果如下

这里更新一下2023.11.24

到后来程序运行的时候发现，tensorflow-gpu1.12版本对应的cudnn版本需要>=7.2.1，所以需要重新+安装一个更高版本的cudnn，但一定要是7.x的
具体提示信息如下：

E tensorflow/stream_executor/cuda/cuda_dnn.cc:363] Loaded runtime CuDNN library: 7.1.4 but source was compiled with: 7.2.1.  CuDNN library major and minor version needs to match or have higher minor version in case of CuDNN 7.0 or later version. If using a binary install, upgrade your CuDNN library.  If building from sources, make sure the library loaded at runtime is compatible with the version specified during compile configuration.
2023-11-24 12:00:03.598839: E tensorflow/stream_executor/cuda/cuda_dnn.cc:363] Loaded runtime CuDNN library: 7.1.4 but source was compiled with: 7.2.1.  CuDNN library major and minor version needs to match or have higher minor version in case of CuDNN 7.0 or later version. If using a binary install, upgrade your CuDNN library.  If building from sources, make sure the library loaded at runtime is compatible with the version specified during compile configuration.

这里提示一下啊，我用conda search cudnn --info查找cudnn7.2.1的下载地址时，并没有找到，想来并不常用，所以我直接下载了cudnn7.3.1的安装包，事实证明是没有问题的