Tensorflow2.6+CUDA11.2+CuDNN8.1
安装tensorflow与tensorflow-gpu两个版本
安装版本：cuda 11.2+ cudnn 8.1 ， tensorflow 2.6，win10 + 2060
查看驱动与CUDA版本
通过nvidia-smi命令查看你的也显卡信息，查看你的电脑是上否有支持CUDA的显卡及相应的型号、显存。
这里的CUDA 11.6是你支持的最该版本，对应的cuDnn与Tensorflow可能还未发布，并不是说一定要安装CUDA11.6，根据Tensorflow官网信息安装指定Tensorflw、CUDA与cudnn版本
在NVIDIA控制面板中，通过帮助查单–>系统信息–>组件，找到如下图所示NVCUDA64.dll程序所对应的版本，就是你计算机上CUDA能支持的版本
安装Visual Studio
需要安装c++编译器，如果你未安装Visual Studio，需要先安装，选择2019或以上Visual Studio版本
点击Continue安装至完成
安装CUDA11.2
虽然已经有11.6，但是目前官方还是推荐使用CUDA11.2+CuDNN8.1的配置
安装包：developer.nvidia.com/cuda-toolki…
选择11.2与local exe版本，安装，选择Express精简模式，一路确认
安装CuDNN8.1
CuDNN 是 CUDA 的一个补丁，专为深度学习运算进行优化
选择CuDNN 8.1的 .zip文件：developer.nvidia.com/rdp/cudnn-a…
- 在你的C盘建立一个叫做tools的文件夹，解压CuDNN
- 打开环境变量Path，确保有以下环境变量：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\lib64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\include
C:\tools\cudnn-11.2-windows-x64-v8.1.1.33\cuda\bin
C:\tools\cudnn-11.2-windows-x64-v8.1.1.33\cuda\include
- 把
C:\tools\cudnn-11.2-windows-x64-v8.1.1.33\cuda\bin里的全部.dll文件复制粘贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
Conda安装Tensorflow
不使用pip安装，因为还需要用到其他依赖，Conda可以确定依赖列表后全部安装（其他blog显示pip也可以，这里最好用Conda）
不使用清华源，使用默认源，本机测试时清华源安装后未检测到GPU，默认源可以，其他源未测试
使用Conda 创建环境并指定安装依赖
conda create --name tf2 tensorflow
conda activate tf2
在本机测试时会自动检测安装Tensorflow版本为2.6，也可以指定Tensorflow版本
Pycharm切换Conda虚拟环境
Python Interpreter→Add
找到Conda环境，确定添加，回到初始页下拉选择刚才添加的环境
检测GPU
import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())
