win10-anaconda配置tensorflow-gpu及keras过程及问题
tensorflow-gpu配置
配置参考
博主装的应该的puthon3.7，且默认装的tensorflow-cpu最高版本
配置顺序
环境：win10，anaconda3
配置顺序：GPU driver→CUDA Toolkit→cuDNN→Python→Tensorflow→keras
要下载的版本们
1.安装tensorflow-GPU的前提是你的电脑具有英伟达的GPU（一般都有，所以都支持CUDA），电脑左下角搜索控制面板打开，点击NVIDIA控制面板，查看NVIDIA型号以及驱动能力
至NVIDIA官网查看GPU性能，因为tensorflow-gpu对CUDA的计算力是有最低要求的。如图所示：
Tensorflow-gpu < 2.0, CUDA compute Capability 3.0（笔者要下载的tf版本低，所以3.0就够用）
Tensorflow-gpu >=2.0, CUDA compute Capability 3.5
CUDA Toolkit与GPU驱动的对应关系：
一般都足够用的，确认一下就行
GPU驱动一般自带，但是看很多博主还是更新了，我这里没更新，如果需要可以移步配置参考3博文
tensorflow-gpu与CUDA Toolkit的对应关系：
这里要好好看一下，参考对应配置表，发现传统<2版本的tensorflow，高版本python（如3.7 3.8）不支持。。很无奈的要换版本环境。作为没上过手的小白，暂时选择配置CUDA9，cudnn7，tf1.10.0，keras2.2.0和python3.6
tf和keras版本对应关系：
此处对应选择keras版本即可
配置流程
VisualC++ Redistributable for Visual Studio
TensorFlow是基于VC++2015开发的，所以需要下载安装VisualC++ Redistributable for Visual Studio 2015 来获取MSVCP支持（不同版本详见上表）。通过控制面板的程序与功能发现有安装，所以就没再装了（但是没考证是否是update3），没装的可以先安
下载
GPU driver
配CUDA时一般会自动配上相应版本的驱动（我的就是从高版本更到了低版本），不过需要转换对应版本的可以移步
下载
CUDA Toolkit9和cudnn7
下载过程详见下载
CUDA9文件比较大，装好后记得在powershell里输入：
nvcc -V
验证下，应该还要添加一下环境变量
cudnn7（下载时要注册一下，然后文件不大，解压缩后折腾三个文件就好）
给anaconda现有的python换版本
因为之前尝试过在python3.8基础上再建立3.6新环境，用来配tf，但是不仅配置报错，再pycharm里运行时，还要来回更换版本环境（不知道是不是我太菜了，觉得numpy那些库还要再配麻烦），所以干脆找到anaconda navigator，把环境降回了3.6（可能会导致部分库需要再自行升级一下）:
（这一步没有必要，后面会说，当时一定是瞎了）
tensorflow1.10.0
检查anaconda和已有环境
win+R，输入cmd，
conda info --envs
创建新环境并配置新python和对应tensorflow包
conda create --name tensorflow python=3.6
conda install tensorflow-gpu==1.10.0
输入y（确认）！
检查一下成功没呀：
conda activate tensorflow-gpu
进入环境（配好新环境的时候 会给这个提示的~ deactivate是退出环境
再进入python：
import tensorflow as tf
hello = tf.constant('Hello tensorfw')
sess = tf.Session()
print(sess.run(hello))
结果应该如图就对啦：
退出python程序调试命令exit()
keras
先进入tf环境
conda activate tensorflow-gpu
下载keras
pip install keras==2.2.0
检查keras有没有使用gpu：
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
输出类似这种
[
name: "/cpu:0"device_type: “CPU”,
name: "/gpu:0"device_type: “GPU”
]
然后检查keras有没有在利用gpu
from keras import backend as K
K.tensorflow_backend._get_available_gpus()
输出也有GPU就对
大神
遇到的那些问题
1.CUDA在安装时，选择了”推荐“，没有自定义，导致全安到了C盘，有点心塞，所以卸载重装了一次，参考
大神
我因为是安装位置错误，所以博主让保留的我有的也卸了。。
2.安tensorflow时，反反复复好几次才成功，安好后，用代码测试会报错
DLL load failed: 找不到指定的模块（DLL load failed: The specified module could not be found）
参考：
大神
或者：
Could not find a version that satisfies the requirement tensorflow
conda info --envs
检查一下环境
conda remove -n tf --all
移除环境，再重新配环境，下载。。
我的报错原因不同于博主（pip改conda命令下载），我纯是因为脑抽没搞清楚各个版本的对应关系，所以此处按上述把python配成3.6的，重新下载就好了
如果同样问题的小伙伴 还可以参考这个博主查的方法试一下：
大神
3.安好后，测试tf程序没问题了，但是由于降低了python版本，尝试之前的程序时开始报错：
ImportError: this version of pandas is incompatible with numpy < 1.12.0 your numpy version is 忘了. Please upgrade numpy to >= 忘了 to use this pandas version
看了一下
那就升版本吧：
pip uninstall numpy
再
pip install numpy
然后一些库就又出问题了（心力交瘁），就决定用到什么版本再改吧。。
比如：
第一个问题是：在命令后记得加=2020-resolver
第二个问题也是版本 来回卸载安装。。
然后！！！重点来了！！！我用navigator进入environments的时候，发现自己蠢的地方在于，虚拟环境虽然也装的3.6版本，可以和原环境完全不相关啊！我降什么原环境版本！（然后我又恢复了3.8，步骤同降版本，里面好像自动配的库会版本会更适用不少，而且3.6好像没pandas和matplotlib之类）。
从pycharm进入setting的时候，也可以看到，而且对应所有库的版本也可以对照一下，一般tf安装的时候，部分配套的库自动就配好了，如果需要cv等其他的再自己配一下就好吧。。
如图（base和tf双环境）：
改后：
4.憨憨的我经过反复下载安装，不知啥时候在base里也配了一次tf，于是乎一直pip uninstall tensorflow-gpu,直到显示下图为止
（但我回pycharm又手动看了一下，发现tensorboard还在。。不太清楚是不是还是没卸载干净）
5.有时pip命令会出现以下问题：You are using pip version 9.0.1, however version 20.2.3 is available. You should consider upgrading via the 'python -m pip install --upgrade pip' command.
更新版本吧。。而且好像看到很多人习惯用pip3（python3版本），好习惯TAT
望不吝赐教！