显卡驱动版本、cudatoolkit版本、cudann版本、tensorflow-gpu版本之间的对应关系

专门记一篇它们之间的关系，自己都老忘记。这篇主要针对想要安装tensorflow但又搞不清楚它们之间的关系的童鞋们。
先来简单区分一下它们：

1. 显卡：一块硬件，真正干活的劳动力，GPU。比如GTX1060\1080这些就是显卡型号。
2. 显卡驱动（Driver）：首先显卡驱动是每个人的电脑上只要有显卡就有的东西，也就是你不搞深度学习，你的电脑也会用到，比如游戏啊之类。简单来说就是，你电脑上有个显卡，这玩意就是让这显卡动起来的东西，没这玩意，显卡不知道怎么给你干活。
3. cudatoolkit（cuda）：这玩意就和我们的深度学习相关了，我们要想充分利用GPU来跑代码，肯定不能和CPU的方式一样对吧，也和咱们打游戏利用GPU的方式不一样吧。这时候就需要cudatoolkit来做一个桥梁，做显卡驱动和咱们代码的桥梁。toolkit就是工具包的意思，可以把里面的工具想成咱们的代码加速器，嗯，先这么理解吧。
4. cudann:这个是cudatoolkit绑定的，如果把cudatoolkit理解成代码加速器，那cudann就是专为深度学习而生的深度学习代码加速器
5. tensorflow-gpu:这个就不介绍了

它们之间的版本对应关系！！！！！！！！重点！！！！！

• cudatoolkit和cudann的版本是有对应表的，下载的时候一定要对应上。但是强烈建议利用anaconda里的conda命令来匹配，它们总是会一对下载，真的不建议分开安装，之前网上很多很多教程都是分别去网站上下载安装的，应该是大佬们有独特的标准需求，我只求装好，所以tensorflow和pytorch都是用conda安装，然后把它们都匹配了。

• 显卡驱动版本一定要大于cuda版本。这么记，你得比它牛逼，才能驱动它嘛。总之，大于等于可以，小于就一定不行。

• 显卡驱动版本的查看方式：在桌面上右键——NVIDIA控制面板——帮助——系统信息(这个时候就能看到细节下面的程序驱动版本：比如442.19了)（网上常见的对应表也是用这个数字来比较，但我觉得不方便）——组件——3D设置里面的NVCUDA.DLL,最右边的产品名称，比如10.2.131（这个版本就是你安装的cudatoolkit版本的上限，你安装的cudatoolkit版本必须小于这个）如果你不想降低cudatoolkit的版本，那么就去升级驱动版本（推荐），百度一下很方便的：https://jingyan.baidu.com/article/e73e26c097a74f24adb6a796.html（如果升级后的版本还不够，那就去官网安装最新版：https://www.geforce.cn/drivers，在手动搜索驱动程序里选择合适的版本）

• 然后就是tensorflow版本和cuda版本的关系:
  https://www.tensorflow.org/install/install_sources#tested_source_configurations

• 显卡驱动版本>=对应的cudatoolkit版本<=对应的tensorflow版本;可见cuda是一个桥梁。因此，1、首先确定要安装的tensorflow版本 2、根据此版本来找cudatoolkit的版本应该大于多少 ，并确定cudann的版本 3、根据cuda的版本来确定显卡驱动的版本，不够就升级，够了就不用管。

• 一句话，conda一句就完事了，然后再把驱动版本一升，搞定！

• 然后，我写的比较通俗化，想看专业词汇的去看看大佬的：https://www.cnblogs.com/marsggbo/p/11838823.html