tensorflow 2.x CPU/GPU安裝攻略

首先的首先，需要解決一個疑問，tensorflow2.x通過pip install是不需要裝什麼tensorflow-gpu的，只裝一個tensorflow即可。

進入tensorflow官網安裝頁面，看到提供最新的安裝方式pip install tensorflow，然而，用這個方式下載的版本是最新的（筆者此時是2.4.0），同時根據官網提示，不同tensorflow版本對應不同版本的cuDNN和CUDA。所以要選擇相應的安裝。
https://tensorflow.google.cn/install/source_windows

由於，筆者此前安裝過pytorch，也配置了GPU，安裝的是CUDA10.1，所以選擇了tensorflow2.3.0版本安裝。

pip install tensorflow==2.3.0

Tensorflow GPU使用的相同軟體CUDA和cuDNN

ps. 幾乎一樣的pytorch的GPU配置（CUDA+cuDNN） https://codingchaozhang.blog.csdn.net/article/details/99688839

• 檢視NVIDIA顯示卡支援的cuda版本，右鍵NVIDIA控制皮膚。可以看到我這裡支援的CUDA 11.1。但是還是配置了10.1版本。
  
• 下載對應版本CUDA https://developer.nvidia.com/cuda-toolkit-archive
• 下載與CUDA10.1版本對應的cuDNN（需要註冊賬號）。選擇v7.6.5版本下載。並把包內的bin,include,lib資料夾內的檔案直接複製到CUDA的安裝目錄下。注意：之前配置pytorch時，下載了更新的cudnn版本，但是與tensorflow需要的版本不一致，會報錯cudnn64_7.dll不存在（之前裝的裡面有一個是cudnn64_8.dll），遇到這種情況，直接把這個v7.6.5版本下載後的cudnn64_7.dll複製到cuda相應的資料夾內。
  
  那麼這樣，cuda和cudnn就配置完了。
  一般來說，也不需要配置環境變數，因為安裝cuda後，環境變數就自動配置好了。

檢驗tensorflow的GPU是否可用

import tensorflow as tf
print(tf.test.is_gpu_available())
tf.config.list_physical_devices('GPU')

輸出：

成功！！！

ps. 有一次安裝tensorflow之後，發現並沒有同步到anaconda，conda list沒有tensorflow，可以用pip show看一看裝的包放在了哪，肯定是沒有在anaconda的目錄下site-packages，多數是放到了系統環境下。C:\Users\username\AppData\Roaming\Python\Python38
只要把tensorflow及上面這個目錄下的site-packages解除安裝重灌就行了。

pip uninstall tensorflow
pip uninstalll tensorboard
...