配置新的TensorFlow环境步骤，特定版本部分参考

————————————————

在Anaconda里创建虚拟环境时，首先应选择正确的Python版本号。其次在进入该虚拟环境后，配置相应的Tensorflow-gpu和Keras的版本号，再配置其他相应工具包的相应版本号。最后，再安装对应版本号的CUDA和CuDNN，Anaconda会自动进行选择。
————————————————
CUDA+CuDNN安装：
CPU，GPU，CUDA，CuDNN简介。
GPU主要是针对图形显示及渲染等技术性能出众，而其中的根本原因是处理大量浮点数计算（例如矩阵算法）的能力强大。刚好CNN中涉及大量的卷积，也就是矩阵乘法等，所以GPU在这方面具有优势。
VS：
安装版本：Visual Studio Community 2019 16.8.0（专业版？）
绝对路径：C:\Program Files (x86)\Microsoft Visual Studio\2019\Community
CUDA：
安装版本：cuda_11.1.0_456.43_win10
绝对路径：C:\Users\ADMINI~1\AppData\Local\Temp\CUDA
第二个CUDA的绝对路径：
C:\Users\ADMINI~1\AppData\Local\Temp\CUDA
CuDNN：
安装版本：cudnn-11.1-windows-x64-v8.0.5.39

在虚拟环境crfrnn里用的是
Python = = 3.6
Tensorflow_gpu = = 1.7.0
Keras = = 2.1.0
Opencv = = 3.1.1（实为4.5.1.48）
Numpy = = 1.19.5
并加了CUDA9和CuDNN7。
Pillow-8.1.2
cached-property-1.5.2
h5py-3.1.0
————————————————
python --version
conda remove -n tf17 --all

conda install cudatoolkit=
conda install cudnn=

————————————————

conda create -n tf17 -y
conda create --name tf17 python=3.6

conda activate tf17

pip install tensorflow-gpu==1.7 -i https://pypi.douban.com/simple/

————————————————
import tensorflow as tf
tf.test.is_gpu_available()