tensorflow2的gpu的版本安装（一些核心点）
一、总结
一句话总结：
特别注意：当配置CUDA、cuDNN、tensorflow时，要确保这三者之间的版本对应一致
二、tensorflow2的gpu的版本安装
博客对应课程的视频位置：
我没有详细介绍的部分，请大家自己去找度娘
1、安装cuda
各个版本位置
https://developer.nvidia.com/cuda-toolkit-archive
2、安装cuda对应版本的cuDNN
cuDNN各个版本的下载网址：
https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b
这个下载要注册，太太太麻烦，大家可以去看下面这篇博文，亲测有效
绕过Nvidia官方要求的注册或登陆步骤直接下载cuDNN的方法_weixin_40392957的博客-CSDN博客_cudnn下载
https://blog.csdn.net/weixin_40392957/article/details/80207366
3、配置系统变量
4、测试是否安装成功
配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：
首先win+R启动cmd，cd到安装目录下的 ...extrasdemo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:
如果以上两步都返回了Result=PASS，那么就算成功啦。
5、tensorflow GPU测试tf.test.is_gpu_avaiable()返回false解决方法
当配置CUDA、cuDNN、tensorflow时，要确保这三者之间的版本对应一致
这个页面可以查看这三者版本的对应关系
https://tensorflow.google.cn/install/source_windows
6、当CUDA、cuDNN、tensorflow三者版本对应之后，gpu成功
比如测试训练了一下卷积网络，GPU的确比CPU要快太多太多了
