在窗口S10上安装pycharm和tensorflow-gpu版本
前言这篇文章是我修改过的文章，我第一次使用的方法，路途坎坷，读者需要着重看清加粗的地方，就是把cuDNN的版本换了一下而已，其他的地方是一样的。
#电脑构成
窗口S10专业版
python 3.6.6
pycharm社区版
cuda 10.1
cuDNN v8.0.4(这是我第一次使用的版本)。
cuDNN v7.6.5
tensorflow 2.3.0
准备安装1，安装python。 在这里我正在安装3.6.6版的pyhton。 因为周围的人大多使用3.6版的python
2、Pycharm的安装。 在百度上直接搜索pycharm即可下载。 这很简单。 因为我是个人用的，所以我用的是社区版本。
3、安装cuda和cuDNN。 因为安装了GPU版本的tensorflow，所以要确认自己的电脑是否支持GPU。 在这里，我们将直接在别人的教程中查看自己的电脑是否支持CUDA。
在此特别强调，在检查自己的电脑支持cuda后，安装哪个版本的cuda和cuDNN取决于Tensorflow支持的版本。 我安装的是cuda10.1和cuDNN v8.0.4。 在这里插入一句话。 我并不是完全按照那个要求安装的。 官方网站tensorflow 2.3.0要求的cuDNN为7.4版，但下载时发现NVIDIA官方网站推荐的cuDNN为7.4版以上，我一开始用的是cuDNN v8.0.4，安装的时候不会报错，但是使用的时候就会报错后续的修复方法是下载相应的DLL文件并将其放在c3360programfinam/上正确的做法是英伟达官网的为cuda 10.1推荐的版本v8以下的cuDNN，后来我尝试的cuDNN v7.6.5, 使用这个版本一次就可以成功。
括号中的链接可以参考与tensorflow对应的cuDNN和cuda版本。 自己电脑的显卡驱动程序可以更新为最新版本。 就像我的电脑一样，最初是cuda 8，但是在线更新变成了cuda9.1。 然后，经过一系列尝试后，您发现此版本的tensorflow很难安装，于是下载并安装最新的显卡驱动程序。 这里介绍一下为什么要安装最新的显卡驱动程序。 我以前看过驱动程序向后兼容的文章，也就是说，我安装了最新的cuda图形驱动程序。 安装cuda时，可以同时安装最新的cuda和旧版本的cuda。 这里我安装了最新的cuda 11图形驱动程序，但安装的cuda是10.1版本，不是最新的cuda 11。
驱动程序安装完成后，下载cuda和cuDNN。 这两个都可以在NVIDIA的官方网站上下载。 其中，下载cuDNN是在注册之后。
下载链接贴在这里： cuDNN下载，cuda下载
安装1，开始安装cuda 10.1。
这里的所有安装都是选择默认路径进行安装。 安装时选择紧凑安装就可以了。 如果想更改安装位置，请记住自己安装位置的路径。 安装cuda后，环境变量将自动添加，您无需在意。
安装完成后，请检查安装是否成功，运行cmd，然后输入nvcc -V以显示您安装的版本
2、cuDNN v8.0.4的安装。
说是安装，你只需要替换和合并一些文件。 下载cuDNN，然后解压缩，将中的三个文件夹复制到c :program filesnvidiagpucomputingtoolkitcudav 10.1路径中。
接下来配置环境变量。
添加总共五个环境变量，如下图所示
3、tensorflow 2.3.0安装
我直接安装在了pycharm上。 我觉得这个很方便。 以前的tensorflow安装在pycharm上如果不使用镜像源就很慢，但是现在直接安装可以没有镜像源，速度也很快。
请等待安装完成，然后尝试测试。 测试代码如下。
importtensorflowastf # tensor flow实现了加法a_t=TF.constant(2) b_t=tf.constant(3)3) c_t=a_t b_t#
可能发生的问题
执行过程中发生错误。 couldnotloaddynamiclibrary‘Cu dnn 64 _7. dll‘； dlerror cudnn64_7.dll not found
如果找不到或多个文件，解决方法：下载相应的文件
文章到此结束。 本人的水平有限。 参考的时候请用批判的态度阅读。 不足的地方请指出来。