這兩天安裝tensorflow-gpu被折騰夠嗆，幸虧最後成功了，給想要安裝的大神們看下我走過的坑，避免掉入。
如果是新手，需要安裝下面幾個軟體：
第一步 安裝anaconda
首先就是Python編輯器：
anaconda，需要注意的是python2.×已經不維護了，是以直接安裝3.7，
需要注意的是，在安裝過程中有個選項，直接加入環境變量中。
網址：https://www.anaconda.com/products/individual
可以在指令行檢視是否安裝成功：
第二步 檢視電腦适配型号
如果大家想要安裝TensorFlow的GPU版本，首先需要明确的一點是：
電腦是否是NVIDIA顯示卡，以及顯示卡可使用的cuda版本。這個步驟不可省，如果不是NVIDIA顯示卡，則不支援GPU版本，隻能使用CPU的TensorFlow。并且正确的cuda版本，決定了最後GPU版本是否能檢測到裝置。
在【控制台】的【裝置管理器】中檢視【顯示擴充卡】。
如果是NVIDIA版本，可以檢視計算能力如何，大于等于3.5=GPU；小于3.5=CPU。
檢視計算能力位址：https://developer.nvidia.com/cuda-gpus#compute
想要看自己電腦适合的CUDA版本，可以看下自己
電腦支援的型号，對應的版本請戳官網文檔。
檢視電腦型号步驟：在桌面右鍵找到【NVIDIA控制台】，彈出的【系統資訊】中，檢視驅動版本。
如果确定可以按照GPU版本的TensorFlow，目前已經是2.×版本了，是以對應安裝CUDA和cuDNN。
然後到官網檢視适配的版本号，注意：
版本并不是越高越好，并不是越高越好，并不是越高越好！重要的事情說三遍，一定要安裝合适的版本，否則會檢測不到裝置，即使TensorFlow安裝完全成功，但仍然不能使用GPU計算。
第三步 安裝CUDA和cuDNN
找到對應的版本之後，就是下載下傳安裝cuda了：CUDA Toolkit
如果找不到特定的版本，可以參考這個：NVIDIA CUDA各版本下載下傳連結
首先就是選擇【自定義安裝】 如果電腦安裝了vs，可以忽略下面這步，如果沒有安裝，去掉下面這個選項：
，檢視版本對應情況，如果電腦版本高于cuda版本，則
不選擇這個Display Driver。
CUDA裝好之後，到官網下載下傳cuDNN，位址：https://developer.nvidia.com/rdp/cudnn-archive
在下載下傳cuDNN時，需要注冊，這裡用郵箱注冊一下就行。
将cuDNN解壓并重新命名為cuDNN，原始檔案名是一長串。
将這個檔案夾，整體複制到CUDA下面。 第四步 配置環境變量
上面安裝完之後，配置環境變量。
一共有4個，有兩個在安裝CUDA的過程中已經配置好了，還有cuDNN的環境變量和CUPTI的環境變量。
在【系統】中【進階系統設定】找到【環境變量】的【Path】，進去添加兩個新的環境變量。
找到自己檔案中的位置，添加到裡面，并且
要把這四個放到前面，通過上移的操作，把新加的兩個移到上面。
第五步 安裝TensorFlow-GPU
通過上面的幾步，已經到了最後安裝TensorFlow階段了。在國内安裝TensorFlow時，下載下傳會非常慢，可以使用清華鏡像。
pip
很快就可以安裝成功。
import tensorflow as tf
tf.test.is_gpu_available()
可以愉快地使用TensorFlow-GPU了，enjoy it！
說下我遇到的坑：我開始的cuda安裝了最新版的11.0，各個步驟都可以通過。
但是在使用gpu時，一直說檢測不到裝置，後來看到某個大神說，目前TensorFlow-GPU适配的隻到10版本，然後又開始了我的解除安裝cuda11.0之路，重新開機電腦三四次，才解除安裝成功。
如果你目前也無法使用GPU，除了檢查下電腦顯示卡适配情況，還有就是降級吧。。
附上解除安裝cuda連結：傳送門