安装特定版本的keras_一定要看的Tensorflow-GPU+Keras安装教程
做机器学习的朋友一定绕不开Tensorflow和Keras，跑模型又会要用到GPU的CUDA框架，其中各种版本兼容问题经常导致刚从一个坑里出来，又立刻掉到另一个坑里.....
于是，踩坑无数的我，总结了一篇教程，希望可以帮助到大家少走些弯路。
1. 确认显卡是否支持CUDA
NVIDIA官网有明确标出支持CUDA的显卡都有哪些，直接去官网查询自己的显卡型号是最高效的（只要在列表里出现了就是支持的），附链接：
CUDA GPUsdeveloper.nvidia.com
确认显卡支持就可以进入下一步了；如果显卡不支持，Tensorflow也提供了cpu版本供大家使用（就那个没有-gpu后缀的）
2. 安装VS
CUDA运行的时候需要VS的环境，所以要先安装Visual Studio，下载链接：
Visual Studio IDE、代码编辑器、Azure DevOps 和 App Center - Visual Studiovisualstudio.microsoft.com
下载完成，开始安装：
安装完毕:
现在可以开始准备安装CUDA了
3. 检查显卡支持的CUDA版本号
在下载驱动之前要先检查一下自家显卡支持什么版本的CUDA。
查询步骤：开始菜单 - 设置 - 控制面板 - 硬件和声音 - NVIDIA控制面板 - 帮助 - 系统信息 - 组件 - 查‘NVCUDA ALL’后面跟的产品名称：
4. 下载CUDA Toolkit工具
再次前往NVIDIA官网，附上链接：
CUDA Toolkit 9.0 Downloadsdeveloper.nvidia.com这次我们去下载显卡驱动。
依次选择：操作系统，构架，CUDA Toolkit版本（版本号对应上一步查到的产品名称），安装方式（选择本地即可）：
安装步骤：
5. 下载cuDNN
还是在NVIDIA官网，这次是这个链接：
NVIDIA cuDNNdeveloper.nvidia.com
cuDNN在下载的时候需要登陆账号，如果没有注册过帐号的小伙伴需要注册一下账号（如果注册过的小伙伴请忽略）。
注册好了之后，根据CUDA Toolkit工具的版本选择cuDNN版本，找到操作系统对应的Library版本，点击下载：
下载下来的是个压缩包，先解压：
然后需要把bin文件添加到环境变量里：
6. 安装Anaconda
之所以安装Anaconda而不是pycharm，是因为Anaconda可以针对不同版本的python配置不同的环境，并且可以避免很多依赖问题，使用体验极佳。
依旧，附上官网下载链接：
Anaconda | Individual Editionwww.anaconda.com
按部就班的安装，最后配置环境变量：
我自己用Anaconda给Tensorflow单独配了个环境，这个网上教程很多，在这里就不细说了。
7. 安装Tensorflow-GPU
还是先检查对应关系，根据自己安装的CUDA版本，找到适合的Tensorflow-GPU版本，这里需要留意一下自己的python版本是否合适。
ps：原则上Tensorflow-GPU选择尽量新的版本较好。
pps：python还是安装3以上的吧，毕竟2现在不更新了。
List of Available Environmentsdocs.floydhub.com
查到了适合自己的Tensorflow-GPU版本后，就可以开始安装啦，管理员身份打开CMD，开始pip，我已经提前从清华镜像上下载好了，所以写入了本地路径：
pip3 install --upgrade E:/Documents/tensorflow_gpu-2.2.0rc4-cp37-cp37m-win_amd64.whl清华的镜像 https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow-gpu
漫长的等待后：
测试一下：
import tensorflow as tf
a = tf.random_normal((10,10))
成功！可喜可贺！
8. 安装Keras
下面就是Keras的安装了，还是先查找对应关系，链接见7：
还是熟悉的pip：
pip3 install --upgrade E:/Documents/Keras-2.3.1-py2.py3-none-any.whl安装完成：
测试一下：
import keras
keras.__version__
成功运行！大功告成！
9. 最后总结一下我之前碰到的坑
我最开始是在笔记本上安装Tensorflow-GPU的。当时Anaconda，python都安装完了，按照教程直接安了Tensorflow-GPU，然后是Keras，结果运行的时候各种报错。。。
后来查了各种资料才知道还有这么多兼容问题。
下面贴出一些我碰到的坑，希望可以帮到大家：
首先是Keras报错问题：
- Keras requires TensorFlow 2.2 or higher.
- ModuleNotFoundError: No module named 'tensorflow.python.eager'
- AttributeError: module 'keras.backend.tensorflow_backend' has no attribute '_is_tf_1'
- ImportError: cannot import name 'np_utils'
以上这4个都是因为 tensorflow和keras的版本不对应 导致的，具体对应关系可以查看教程的7和8步
然后是Tensorflow的问题：
import tensorflow as tf
ImportError: No module named 'numpy.core._multiarray_umath'
ImportError: numpy.core.multiarray failed to import解决方案：
pip install numpy --upgrade2.
Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2下载TensorFlow的版本不支持cpu的AVX2编译导致（版本问题），解决方案：
卸载了重新安装正确的tf版本
最后祝大家都能一次成功！