Nvidia MX150安装Tensorflow-GPU版，Pycharm使用Keras
使用环境：Windows 10 Professional + Pycharm
需要使用：Tensorflow+keras
顺序安装：CUDA→CUDNN→Tensorflow
特别注意：版本与版本之间的对应
1.确定显卡目前支持的CUDA版本，下载对应CUDA版本，安装
英伟达官方CUDA下载地址： CUDA Toolkit Archive | NVIDIA Developer
2.根据安装的CUDA版本,找到对应支持的CUDNN版本文件，替换到安装好的CUDA文件夹中
英伟达官方CUDNN下载地址： cuDNN Archive | NVIDIA Developer
注意！CUDNN文件下载需要注册英伟达账户，右上角注册登陆后即可对应打开下载
3.根据安装好的CUDA和CUDNN版本，确定对应支持的Tensorflow版本后，再使用pip命令安装
安装过程：
一、选择对应的CUDA、CUDNN文件，进行下载
1.确定CUDA版本，进入英伟达控制面板→帮助→系统信息→组件
可以看到，支持CUDA11.4系的使用，接着进入英伟达CUDA下载页面
这里我选择最新2022年的11.4版本进行安装
2.进入英伟达CUDNN下载页，下载对应的CUDNN文件
这里我选择21年9月的CUDNN for cuda11.4版本，选择下载Windows X64的文件格式
二、再次确认下载的各个版本是否对应匹配
python版本、CUDA版本、CUDNN版本，是否都对应，特别注意前三个均要对应
最后确定tensorflow-gpu版本
可以看到，我们可以对应安装的是 tensorflow-gpu 2.4.0的版本
三、开始依次安装
1.安装CUDA
默认安装路径启动
使用自定义安装，去勾选VS选项
安装完后，重启计算机
配置环境变量，将 CUDA下的 bin目录、lib\x64目录，配置到path中去
默认安装位置 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4
配置后，检查一下CUDA版本，cmd窗口下，输入 nucc -V
2.安装CUDNN
将下载好的CUDNN文件进行解压，得到一个名为 CUDA的文件夹
将CUDNN解压文件夹内的所有文件，复制粘贴到CUDA的安装位置
默认安装位置 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4
复制粘贴后如下图
最后，检验CUDNN是否安装成功，进入CMD窗口，切到CUDA目录
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suite
使用bandwidthtest检测，显示为PASS，即为安装成功
3.安装Tensorflow
创建一个虚拟环境，在虚拟环境下安装Tensorflow
创建一个新的项目在Tensorflow目录下， 项目名为project，选择我们刚才创建的虚拟环境解释器
在CMD窗口下，CD至我们创建的Tensorflow路径下，pip list，可以看到是一个新的环境
然后我们在该环境下，进行pip安装Tensorflow 2.4.0版本 (我们所对应的版本)
pip install tensorflow-gpu==2.4.0 -i https://pypi.douban.com/simple/
安装完如下图所示
最后我们验证一下，Tensorflow是否安装成功
CMD命令窗口进入虚拟环境，pip show tensorflow-gpu
显示版本信息为2.4.0，正常导入，均无报错，即安装成功！
以上即全部安装步骤，Tensorflow从2.0后，已内置了Kears，导入即可使用！
在我们安装好后，运行Pycharm时，可能会出现的一些问题，另外写了一个记录，在此不作赘述
Tensorflow-GPU2.4.0，使用中出现的问题_Quite不Quiet的博客-CSDN博客
附：CUDA算力表
CUDA算力，MX系列为6.1，与GTX10系算力相同，使用Tensorflow-GPU版能大幅度提高效率
GTX、RTX系，安装TF-GPU版，同理。