前言：
安装这个东西，折腾了大半天,查阅了很多资料。但最终还是安装成功了，并记录下来。希望给大家一些借鉴，顺利完成安装。整个安装过程需要很强的版本控制。显卡驱动==>CUDA<==>cuDAA<==>tensorflow_gpu==>keras
1、我安装的版本为（自测可用）：
- python:3.6.6
- tensorflow_gpu:2.1.0
- CUDA:10.1
- cuDAA:7.6.5
- keras:2.3.0
推荐版本系列（这是我在tensorflow官网论坛上找的截图）：
2、要用tensorflow-gpu得看自己的电脑是否支持：
然后用谷歌搜索“你的GPU型号+SPECIFICATION”，在官网查它是否支持CUDA。GPU型号文章末端，可知。我的是：GeForce GTX 1050。搜索结果：
第一步：
那怎样知道自己的版本呢：
去tensorflow官网找答案：
因为，官网的url地址可能会改变，所以下面我只把相对地址截图下：
我安装的tensorflow是2.1.0，如图：
第二步：
用pip安装tensorflow_gpu指定版本，并使用清华镜像源加速下载：
pip install tensorflow-gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple如果在最后的安装阶段，报Consider using the --user option or check the permissions.错误。这可能是因为你的python没装在C盘，请在命令上加上__user
pip install --user tensorflow-gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple第三步：
CUDA（10.1）安装配置：
由第一步可知，我下载的是10.1：
找到我下载的CRUA.exe可执行程序，进行自定义安装：
一直默认目录（最好不要更改），自定义选择如下：
如上图所示，我们只需选择CUDA下面这4项就够了（默认是全选的。。。），visual studio integration这一项没有勾选是因为我并没有使用VS环境。这一步之后，会询问这些组件的安装路径，可以直接使用C盘的默认位置，当然我自定义了一下（还是那句话，我不建议）。
安装完成后，如果没有更改目录会在C:\Program Files和C:\ProgramData中生产CUDA文件。
打开cmd,输入nvCC -V:
得到上图，说明安装成功。第四步：
cuDNN（7.6.5）(有时候下载cuDNN需要先注册登录，但你多登录几次就可以直接下载了)
下载好对应的包后，解压得到下面目录：
将上图bin、include、lib里面的文件复制一份到下面的目录下对应的bin、include、lib文件夹中。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
第五步：
接下来设置环境变量：
打开属性->高级系统设置->环境变量，
可以看到系统中多了CUDA_PATH和CUDA_PATH_V10_1两个环境变量，接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
我的截图：
然后：
在系统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
再添加如下4条（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\bin\win64；
我的截图：
配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：
cmd，cd到安装目录下的
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite
也可以点击上图所示的导航栏，直接输入cmd,自动定位到demo_suite目录下。
然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:
如果以上两步都返回了Result=PASS，那么就算成功啦。
但是，当时我却出现了这种情况：
C:\Users\DELL>cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite>deviceQuery.exe
deviceQuery.exe Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
cudaGetDeviceCount returned 35
-> CUDA driver version is insufficient for CUDA runtime version
Result = FAIL
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite>bandwidthTest.exe
[CUDA Bandwidth Test] - Starting...
Running on...
cudaGetDeviceProperties returned 35
-> CUDA driver version is insufficient for CUDA runtime version
CUDA error at C:/dvs/p4/build/sw/rel/gpgpu/toolkit/r10.1/demo_suite/bandwidthTest/bandwidthTest.cu:255 code=35(cudaErrorInsufficientDriver) "cudaSetDevice(currentDevice)"
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite>这句话： CUDA driver version is insufficient for CUDA runtime version。
很明显，自己的显卡驱动版本与CUDA版本不匹配，应该是我的CUDA10.1太高了。查阅资料知道可以升级自己的显卡驱动来解决。有二种方式（我用的是第一种）：
1、设备管理器==》 显示适配器：
更新驱动程序即可。
2、
查看自己的显卡信息：
nvidia-smi
