Tensorflow-gpu、python、cuda10.0、cudnn版本对应关系及安装配置

显卡驱动版本和CUDA版本的确认:

对于版本号大于1.13的tensorflow-gpu版本，如1.14、1.15和2.0，要安装CUDA10.0，不要安装最新的CUDA10.1，安装后会提示缺少很多库文件，而导致GPU版本的tensorflow无法使用

tensorflow和keras版本对应关系：

cuda安装：

安装cuda前必须安装vs2015或其他vs版本

在组件CUDA中将Visual Studio Intergration取消掉：

取消勾选GeForce Experience

如果电脑上本身就有Visual Studio Integration，要将这个取消勾选，避免冲突了

点开Driver comonents，Display Driver这一行，前面显示的是Cuda本身包含的驱动版本是411.31

如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号，那一定要把这个勾去掉。否则会安装失败(相同的话，就不用去取勾了)


打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin ，查看nvcc.exe
有这个nvcc.exe就说明CUDA安装已成功
打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\lib64，查看有没有cuti64_101.dll
有这个cuti64_100.dll就说明CUPT1已成功

cudnn安装：打开 “C:\Program Files\NVIDIAGPU Computing Toolkit\CUDA” 目录，找到你安装的版本目录，打开，找到bin、include、lib目录，将cuDNN压缩包内对应目录下的文件分别复制到bin、include、lib目录。如果是新版Windows 10系统，可以直接复制三个目录到对应路径下，两处的目录会自动合并，不会出现目录级的覆盖，最多只会覆盖同名文件。如果是其他版本系统，为了以防万一，最好还是手动一一复制到对应路径下。

添加环境变量：
C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v10.0
C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

测试：

python
import tensorflow as tf
print(tf.test.is_gpu_available())

出现True，则安装成功，可以使用gpu加速

把C:\Program Files\NVIDIA Corporation\NVSMI
添加到path
cmd输入：nvidia-smi，如果出现类似如下信息，则表明CUDA安装成功。