这是我参与8月更文挑战的第3天，活动详情查看： 8月更文挑战
1.win10安装tensoflow2.x-gpu版本
1.1安装cuda和cuDNN
在进行电脑tensoflow2.x-gpu版本安装之前，必须先检查电脑是否安装好cuda和cuDNN。
在安装cuda和cuDNN时必须注意tensorflow、CUDA和cuDNN的版本对应。
CUDA和cuDNN官方安装教程：
CUDA：docs.nvidia.com/cuda/cuda-i…
cuDNN：docs.nvidia.com/deeplearnin…
CUDA和cuDNN官方下载链接： CUDA:developer.nvidia.com/cuda-10.0-d…
cuDNN(需要注册账号才可下载）:developer.nvidia.com/cudnn
tensoflow和CUDA以及cuDNN的版本对应情况：
1.2.安装Tensorflow2.x-gpu
此处可以先创建一个虚拟环境，在虚拟环境下安装tensorflow包。 在anaconda的cmd中输入pip install tensorflow-gpu 安装。
pip install tensorflow-gpu
2.测试是否安装成功
由于tensorflow2.x版本和1.x版本有着一些区别，所以用1.x版本下的方式进行测试会出现如下结果：
AttributeError: module 'tensorflow' has no attribute 'Session'
所以在tensorflow2.x版本下，使用如下代码进行测试：
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
sess = tf.compat.v1.Session()
a=tf.constant(1)
b=tf.constant(2)
print(sess.run(a+b))
测试成功将返回结果。
此时就安装成功啦！！！
tips：
1.安装tensorflow的过程中，如果只是安装cpu版本，就不需要安装CUDA和cuDNN，且安装也会简单很多。一般情况如果不是大型的深度学习任务，安装cpu版本就够用了，且可能比安装gpu版本运行速度还快很多。
2.由于tensorflow2.x和1.x版本有一些代码的区别，在使用tensorflow2.x的时候，在代码中添加compat.v1 能够解决大多数问题。 如：
# 定义cifar的数据等命令行参数
FLAGS = tf.compat.v1.flags.FLAGS
tf.compat.v1.flags.DEFINE_string("cifar_dir", "./cifar10/cifar-10-batches-bin/", "文件的目录")
tf.compat.v1.flags.DEFINE_string("cifar_tfrecords", "./tmp/cifar.tfrecords", "存进tfrecords的文件")
