win10+gtx1050+tensorflow+cuda8.0+cudnn5.1配置踩到的坑（回忆）

最近在中科院做一个AI医疗项目，感觉非常有意义，项目有部分需要做定位，我考虑了一下选择ssd算法，因为之前做工业视觉时接触过caffe，所以这次就试试未玩过的深度学习框架tensorflow，以下时我遇到的一些坑：
1.cuda8.0的坑（下载后是1KB，cuda驱动安装提示不兼容）：
通过网址https://developer.nvidia.com/cuda-gpus，我查了下我的显卡支持的cuda版本是8.0，但官网下下来总是1KB，下载过程一切正常，妈蛋，只能百度网盘下一个。当然安装时检测系统时一样提示我系统不兼容，哪怕我把本来的显卡驱动已经卸载干净，没关系，照样继续安装，选项那里用自定义的，使用cuda自带的驱动，然后不安装VS(因为我用QT开发)。cudnn该拷贝的拷贝后，环境变量配好后，命令行cmd，输入nvcc -V 就能有cuda的信息打印

2.tensorflow和tensorflow-gpu的坑：
其实最开始我是希望让tensorflow快速跑起来然后验证我的数据定位效果，所以选择了cpu版本，无奈提示Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2，好吧，然后我找到这个文章https://blog.csdn.net/Fourierrr_/article/details/79749899，解决了这个问题，tf能import了，但ssd的源码因为这个tf版本太老，有些函数不支持，特喵的此时已经折腾到晚上九点多了。所以只好再研究gpu版本把，然后按百度说的来了一发pip install tensorflow-gpu，然后再次编译工程，提示tensorflowload_dynamic ImportError: DLL load failed: 找不到指定的模块，查了下时tf的环境没好，网上很多建议安装vs就能解决，我这死性子怎么愿意屈服这种解决方法。折腾了好长时间才发现原来是tf版本不对，此时安装的tf是1.11.1版本，这个问题还是我在搜一个别的问题时无意发现的解决方法，所以还是要静下心来投入时间精力去钻研啊，cuda8.0的要用tf-gpu 1.0.1版本的就解决了这个环境问题了。此前曾一度想放弃配置tf换回caffe了。