Win10安装TensorFlow-gpu版本，超详细步骤
必要条件：您必须拥有独立显卡配置，并且计算性能在3.0以上（建议最好达到3.5以上）。为了成功安装TensorFlow-GPU版本，请确保完成以下所有准备工作：首先下载并安装CUDA toolkit及其驱动程序；其次下载cuDNN库并按照指导进行编译；最后检查硬件兼容性以确保一切就绪。只有满足这些条件后，请开始进行软件安装步骤。
确认步骤：
- 下载并安装CUDA toolkit及其驱动程序
- 下载cuDNN库并按照指导进行编译
- 检查硬件兼容性
- 开始软件安装步骤
评估当前使用的显卡及其计算性能水平。
确定与当前显卡兼容的CUDA软件库版本。
获取与选定的CUDA框架相匹配的cuDNN库的具体实现版本。
基于已知的CUDA框架版本及其相应的cuDNN组件信息，确定适合当前硬件配置的TensorFlow-GPU兼容 versions.
我们一步一步来：
1.查看显卡属性及计算能力
在计算机桌面应用中打开"此电脑"选项，在其属性对话框中找到"设备管理器"设置项。
进入系统设置后依次选择"设备管理器"选项卡，在相关参数列表中查看硬件配置信息。
首先定位至"设备管理器"界面，在其适配器展示模块中执行显示操作。
以Intel开头的产品通常配置有集成显卡。
通常以AMD或NVIDIA开头的产品配备独立显卡。
查看计算能力：官方链接
具备3.0及以上运算能力的情况下，默认建议您优先考虑采用TensorFlow-GPU版本。如果不满足要求，则需要考虑更换硬件配置或升级电脑配置以提升整体性能。
2.查看显卡驱动对应的CUDA版本并且下载安装
该CUDA版本不能随意决定。需要根据你的显卡驱动支持哪一个CUDA版本的运算。可以通过以下步骤查找显卡驱动版本：进入控制面板->搜索‘NVIDIA’->点击NVIDIA控制面板
帮助->系统信息
请再次访问这个驱动对应的CUDA版本：官方链接
根据这个信息你可以识别出下载哪个CUDA版本的最佳选择
下一步是获取该资源
选择你的版本，进入下载页面，选择你的操作系统等等，然后Download。
安装程序走完下一步步骤即可完成任务。需要特别注意的是，在操作过程中可能会遇到类似360或其他软件提示，请确认是否允许修改。建议在命令行界面运行以下命令以验证安装结果：nvcc -V
如果出问题，看看环境变量是否有CUDA的路径，没有的话手动加上：
3.安装cuDNN
官方链接：https://developer.nvidia.com/rdp/cudnn-download。请访问该地址后，在导航菜单中找到并点击"注册"按钮即可创建新账户。根据您的需求选择相应的版本信息，并按照屏幕提示完成安装步骤即可完成安装过程
打开压缩包，分别把bin, include和lib覆盖到你的CUDA的安装路径下：
然后，在环境变量path中，添加一项：
4.安装TensorFlow-gpu版本
首先，请您定位您的CUDA和cuDNN设备与对应的TensorFlow-gpu版本。请确认您使用的CUDA和cuDNN设备与TensorFlow-gpu版本是否匹配。官方链接
安装比较简单；当需要安装TensorFlow-gpu的最新版本时，请完成以下操作：
pip install tensorflow-gpu如果需要安装旧版本，指定版本号就好了：
pip install tensorflow-gpu==1.14.0在当前环境下安装过程耗时较长，在线获取完整文档请访问：https://mp.weixin.qq.com/s/6q7AoNj5ZgqgZvQhZvOzIw
pip install tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/如果你仍然觉得运行速度不够快，在上述命令完成后, 系统应该会提示提供tensorflow-1.15.0-cp35-cp35m-win_amd64.whl安装包的 download 地址, 请直接通过迅雷启动 download 流程。完成 download 后, 请进入该 package 所属 directory 结构下进行下一步操作
pip install tensorflow-1.15.0-cp35-cp35m-win_amd64.whl同样地，在这个安装过程中也会非常漫长，在其中还包括了10多个相关包的下载。在中间过程中有时可能会因超时而导致操作中断没关系, 重新执行命令会继续进行安装。当最终显示Successfully installed XXXX时就算完成了整个过程。随后, 我们将验证GPU加速是否已成功启用
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())出现红框里面的内容，就说明启动了GPU加速。
可能会出现的错误：
比如
Could not load dynamic library 'cudart64_100.dll'; dlerror: cudart64_100.dll not found
Could not load dynamic library 'cublas64_100.dll'; dlerror: cublas64_100.dll not found
Could not load dynamic library 'cufft64_100.dll'; dlerror: cufft64_100.dll not found
Could not load dynamic library 'curand64_100.dll'; dlerror: curand64_100.dll not found
Could not load dynamic library 'cusolver64_100.dll'; dlerror: cusolver64_100.dll not found
Could not load dynamic library 'cusparse64_100.dll'; dlerror: cusparse64_100.dll not found假设你安装的是CUDA 10.2版本软件包，则对应的DLL文件名称为102号。
在\NVIDIA GPU Computing Toolkit中的CUDA目录中搜索cudart64程序库时，默认会找到一个名为"cudart64_102.dll"的关键文件。
为了配合软件更新需求，请将该文件重命名为"cudart64_103.dll"。
类似地, cublas64_7.dll修改为"cublas758839899785539899758839899758839899758839899758839"的方法也适用于其他类似的程序库。
例如，在这种情况下，“CUDA driver version is insufficient for CUDA runtime version”，这是一个典型的_CUDA驱动版本无法满足CUDA运行版本的情况。请参考本文的第一、第二章内容，并重新审视相关部分以确保正确性。
以上。