TensorFlow1.12.0-GPU+GTX1650+Anaconda3配置记录

==tensorflow-windows-wheel==好像更新了新的whl,大家可以先行查看按需下载，自由组合配置。
提前说明
本文记录GPU版本安装，CPU版应该没这么蛋疼
因为显卡和显卡驱动较新，我尝试了各种网上的组合，(尝试的过程通过pip安装TF)比如：
CUDA10.1+CuDnn7.6.0+TF1.13.0+PY3.7
CUDA10.0+CuDNN7.5.0+TF1.12.0+PY3.7
…
但最终在导入TF时都提示：找不到指定模块的错误
最后通过这里:tensorflow-windows-wheel对应表中的配置，下载自己对应的版本配置成功

1.确定CUDA版本与对应的cuDNN版本

1.1 在Nvidia控制面板查看当前显卡支持的CUDA版本。我的这张卡支持10.2.120。然后这里查看CUDA所需的显卡驱动版本支持，若驱动版本过低请于Geforce Experience及时更新。

1.2 这里下载对应版本的CUDA

1.3 这里下载CUDA对应的cuDNN支持版本

1.4 在经过第一步确定大致版本号后还请对应tensorflow-windows-wheel Readme页面的对照表下载相应的CUDA和cuDNN

可以发现 tensorflow CUDA cuDNN Python VS这五个是一连串的对应关系
其中前四个的对应关系（一定）要弄对。vs2015和2017都行？
可以从自己电脑支持的CUDA入手 在表格中查找适合自己的配置，然后依次进行安装

2.根据自己的已有环境确定对应的tensorflow-windows-wheel

我的机器：Anaconda3 py3.6；VS2015(实测2015也可以)
所以对应tensorflow-windows-wheel 里面的
我下载的是sse2版本 表格第4列是python版本和算力？

3.安装（默认已经有了Python和VS）

3.1 安装CUDA，按照步骤走就好了。(环境变量的配置自行查阅吧，可以安装时就勾选写入环境变量，安装好以后自己检查一下即可；选在线安装会稳一些，离线安装包总是下载一半出错)

3.2 将下载的Cudnn压缩包内的内容依次复制进CUDA所在安装目录的对应文件夹下。

3.3 安装你在tensorflow-windows-wheel 下载的.whl文件。
pip install D:\tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl
自行更换黄色标记处为你的.whl文件下载路径

4.测试

import tensorflow as tf
a = tf.constant(1)
b = tf.constant(1)
c = a + b
sess = tf.Session(config =tf.ConfigProto(log_device_placement = True))
print(sess.run(c))

若正常应该输出2，并且在输出2之前有很长串的信息如算力(ability)、gpu的分配情况等等。