在Windows使用miniconda安装Tensorflow-GPU版，无需去Nvidia官网下载安装cuda和cudnn
Windows版miniconda下载路径：
https://docs.conda.io/en/latest/miniconda.html#windows-installers
我选的是这个
下载后，双击运行
这里不勾选第一个自动添加路径到系统环境，是为了多版本情况下，互不干扰
等待安装完成即可
完成后，在下图位置可找到
进入miniconda的Prompt命令行窗口
这里说明一下，安装完miniconda后，它会自带一个python环境，在命令行输入python，会进入python的交互界面，按ctrl+z可以退出python的交互，接下来所有的安装都在这个命令行窗口里进行，包括Nvidia的cuda和cudnn。
安装Tensorflow-gpu版必须要安装Nvidia的cuda和cudnn这两个包，还必须对应tensorflow的版本，最重要的是你的电脑里必须需有Nvidia显卡
网上的大部分教程都是使用pip安装tensorflow-gpu，然后去Nvidia官网下载对应版本的cuda和cudnn，其中cuda还好下载，下载完直接安装即可，但cudnn就很麻烦，还需注册，登入，特别是登入环节，巨麻烦，就用国内网，还登不上去，需要连上国外网，然后进行一系列安全验证，反正管事下载安装这个两个都巨麻烦，安装完之后还需要一些环境变量的配置，很多刚接触的人，就会被劝退，生怕搞错某个步骤，所以本教程不使用这些麻烦操作
就像前面所说，安装Nvidia的cuda和cudnn，以及tensorflow-gpu都在miniconda的prompt命令行窗口里进行，所以需要给miniconda配置一下下载路径的国内源，这样就不用去国外网站下载对应的Nvidia的cuda和cudnn
接下来就是如何配置miniconda的国内源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
这三行代码在miniconda的prompt命令行窗口一句一句执行
执行完后之后，再输入 conda info 用来查看conda的一些信息
这些信息的第一行，就是miniconda安装后，自带的一个叫base虚拟环境，并且国内源也添加进去了，接下来就先创建 一个专为tensorflow-gpu的虚拟环境
输入conda info -e，查看已经有哪些虚拟环境
再输入conda create -n TF-GPU python=3.7 创建一个叫TF-GPU的python版本为3.7的虚拟环境，
首先会检查需要下载哪些东西，然后会问你确认下载一些东西，输入y确定就可以，等待它完成就可以了
完成后如下
按照提示，输入conda activate TF-GPU可以激活该虚拟环境
激活后，base变成TF-GPU了
再输入conda info -e 查看有哪些虚拟环境，发现多了一个，并且它的路径在miniconda的安装路径里的envs文件夹里，方便以后查找
接下来就是安装Nvidia的cuda和cudnn了，这里需要对应版本，可以在下面的网址查看tensorflow-gpu和cuda，cudnn的版本
https://tensorflow.google.cn/install/source_windows#gpu
先使用miniconda安装cuda10.1，和cudnn7.6.5，
提示一下，使用miniconda安装的东西都在miniconda的安装路径里的pkgs文件夹里
输入代码：conda install cudatoolkit=10.1 用来安装cuda10.1，中途会问你确认，输入y确认即可
安装完成后，在miniconda的安装路径里的pkgs文件夹里可以找到
再输入代码：conda install cudnn=7.6.5 用来安装cuda10.1，中途会问你确认，输入y确认即可
安装完成后，在miniconda的安装路径里的pkgs文件夹里可以找到
接着就是安装tensorflow-gpu2.3版本
输入代码：
pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple/
这是从豆瓣源下载安装，速度快很多
安装完成后，输入python，进入python交互界面
输入import tensorflow as tf 尝试导入该包，如果提示未找到***.dll，说明用不了GPU进行训练，安装失败了
如果提示成功打开cudart64_110.dll，则说明可以使用GPU进行训练计算
到这就基本完成Nvidia的cuda和cudnn的对应版本安装，以及tensorflow-gpu的安装，以及虚拟环境的创建，再接下来就在PyCharm里添加并选择这个虚拟环境就可以在PyCharm里进行python文件的编写
打开PyCharm，点击file，选择setting
在弹出的窗口里选择的刚刚创建的虚拟环境
我的虚拟环境名就叫TF-GPU，路径在miniconda的安装路径里的envs文件夹里的TF-GPU文件夹里,y一直选到python.exe才算完成，再点击OK
最后点击apply应用，即可，这样就可以在PyCharm里使用该可以使用GPU版的tensorflow的虚拟环境了。
好了最后祝大家都可以顺利完成安装。