python & cuda & cudnn & 显卡型 & Tensorflow 版本如果匹配不好，可能会踩坑。。
本篇文章，讲述了 全套安装过程 与 我所踩过的坑。
我也不是一次成的，当时 tf-13rc问世时，弄了好久。
稍微提一下，Python官网首页的python3.7是 win32的。
我之前重装系统偷懒下载的。用了很久才发现是32位的。。。。
Tensorflow必须是需要 win 64位的。 （终端下输入 python就能看到是多少位的 xx bit ）
注： 安装路径一律用 英文！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
最后成功的配套版本如下：
win10
gtx1050 (其他型号的，不保证，应该也能差不多)
python3.7 (感觉python问题并不是特别大。 建议 3.7)
cuda: cuda_10.0.130_411.31_win10
cudnn: cudnn-10.0-windows10-x64-v7.4.2.24
tensorflow-gpu==2.0.0-beta0资源构成: CUDA + CUDNN + 4个vc环境 （vc环境干啥的，下面说）
我的网盘: https://pan.baidu.com/s/1Z6Ha...
提取码: 2qut
下载后别乱点，按顺序看下面教程安装。 有依赖的。
官链：Https://developer.nvidia.com/... （如果你不想用我的工具包，可以自行CUDA官链）
如果你直接去安装CUDA时，可能会抛error, 提示你，需要依赖 vs201+ 环境。
其实我们大可不必安装 那么大体积的vs， 而是安装 vc_Redist 插件即可。
安装环节：
- 你可以看到我分享的资源中， 有4个 vc_redist。
下载下来， 防漏，从上到下挨个安装一遍。（瞬装很快，如果提示你已安装，不用管。全部安装一遍） - 然后安装 CUDA，双击安装即可 （选精简版即可）（记住安装路径，我记得好像是默认自动路径，忘了）
- 一路下一步，即可安装成功
配置环节：
1. 默认自动安装的路径如下： （如果你选的自定义安装，你要记住你的路径）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
2. 将此路径配置到 环境变量 中
3. 关掉所有cmd, 重新打开cmd，输入 nvcc -V
4. 没报错说明安装成功。 官链：https://developer.nvidia.com/...（如果你不想用我的工具包，可自行官链）
(官网下 CUDNN 貌似需要登录)
操作环节：
- 你可以看到我分享的资源中，有CUDNN，下载下来，解压（任意位置都可，记住就行）。
-
解压后，进入解压的目录，你会看到有个cuda目录，进去！然后做如下操作！！！
2.1. 进入 bin 目录， 把里面的文件（应该就一个），复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin2.2 进入 include 目录，把里面的文件（应该就一个），复制到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include2.3 进入 lib 目录, 再继续进入 x64 目录，把里面的文件（应该就一个），复制到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64说一下： 上面3个路径，安装cuda提到的（精简版的默认路径， 你的和我的是一模一样的，直接复制）
-
将此路径添加到环境变量 （同样是默认路径，直接拿去复制，配了就行）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
每个人有每个人的习惯，建议用用虚拟环境安装东西。 我较熟练 virtualenv + virtualenvwrapper-win
当然，你直接装也是没问题的。
安装tensorflow-gpu==2.0.0-beta0:
pip install tensorflow-gpu==2.0.0-beta0 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com如果你是anaconda（那么需要先打开anaconda prompt pip）(科学)：
pip install tensorflow-gpu==2.0.0-beta0
安装 matplotlib (非必须，但 反正也是不离手的东西，直接装了吧)
pip install scipy matplotlib pandas sklearn -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
至此，全部安装完成，接下来测试。
import tensorflow as tf
print(tf.__version__)
print(tf.test.gpu_device_name())就这3行代码，即可。 看打印结果：
2.0.0-beta0 # 这是版本信息
/device:GPU:0 # GPU字样就说明可以使用GPU了。执行上面代码测试的时候，我这里是有一大串 warning的。 关于数据类型的 warning。其实无伤大雅。
不，很伤，我去GitHub找了一下。其实就是你的 numpy版本太新了。 重装换一个 1.17以下版本 就行。
CMD直接 运行以下命令即可：
pip uninstall -y numpy && pip install numpy==1.16.4强迫症帮助者链接：https://github.com/tensorflow...
我的机子早一阵买的了， GTX1050的， 每个人的显型都不同。
所以也许我给出的配套版本，不能满足所有人需求。
下面说一下我之前装的时候遇到的问题：
- 记得安装路径尽量全部，用英文。
- cuda安不上，因为缺少 vs201+, （我上面说过了，安装我分享的那4个vc_redist小文件可代替安装 vs）
- 如果在安装tensorflow时，提示你，没有找到相关模块：
3.1 可能是你的 python 和 pip 版本过低
3.2 可能是你的 python是32位的。 （不要偷懒去安装主页的python3.7，那个是32位的。必须用64位） - 如果在安装tensorflow 或者 import tensorflow 时，给你报了一大堆错误：
4.0 首先看错误能不能看懂
4.1 可能是我给的 配套版本。 并不能满足你的 机器，显型。 这时候你就得自己去找对应版本了
4.2 我之前弄的时候，我记得好像有 Nvidia显卡 & cuda & cudnn 的对照表。忘记录了。可自行寻找。
0