確定自己安裝python，tensorflow，kears的版本。（預設讀者已安裝Anaconda，並熟悉基本操作）
根據tensorflow確定cuda的版本，繼而確定cudnn。
一：安裝cuda10.0
檢視自己顯示卡版本，我的2060，是11.2。向下相容，下載10.0.
下載到自己新建資料夾裡（C盤除外）。安裝：自定義安裝，不勾選vs。儘量將元件中的NVDIA GeForce Experience選項勾掉。
在元件CUDA中將Visual Studio Intergration取消掉這個元件是專為VS配置的，但是現在使用的程式碼編譯器基本都是vscode，pycharm等輕量編譯器之流，用VS就比較沒意義了；我在網上還看見一個說法，這個必須取消掉，不然沒法正確安裝。反正取消就完事了。我自己安裝2次不取消都安裝失敗。因為我安裝了VS2019，有的文說下載了vs可以勾選，結果被坑了。
CUDA在安裝的時候會預設安裝一個NVDIA的顯示卡驅動。上圖可以看出，該顯示卡驅動版本是411.31。劃重點：“當前版本”這一欄會顯示你目前電腦上的顯示卡驅動型號，如果你的當前版本高於CUDA想要安裝的新版本，那麼一定要把display driver取消掉！如果你的當前版本低於CUDA想要安裝的新版本，那麼一定要把display driver勾選，驅動版本不夠新，CUDA也執行不了。如果巧了當前版本與新版本一模一樣，那勾不勾選隨意。
選擇安裝位置：前兩個路徑一樣，第三個單獨。自己建2個資料夾。
二：安裝cudnn7.6.4
要選擇for CUDA 10.0的版本，我選7.6.4
下載解壓
將4個檔案複製到cuda的安裝檔案下，含bin的，不用擔心覆蓋什麼，直接貼上複製。
環境變數新增：已存在2個，再加1個。...CUDA\CUDA_manger\CUDA10.0\CUDA1\extras\CUPTI\libx64
按照自己的路徑新增。
三：新建python3.7環境
新建環境 conda create -n "你的環境名" python = python版本號；
例如：conda create -n tensorflow_gpu python=3.7.1
此時 conda env list ,可以檢視新建的環境。
啟用環境：conda activate + 你的環境名
例如：conda activate tensorflow_gpu
此時 conda list ，檢視已安裝python3.7。
安裝1.15版本的TensorFlow-GPU
輸入：pip install tensorflow-gpu==1.15 -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
安裝完以後 coda list 可見 tensorflow_gpu。
驗證：然後輸入python以進入python環境。（一定記得輸入python，不然會報錯。好多文沒寫，直接import不行，一度懷疑人生）
然後輸入import tensorflow as tf
此時不出意外還會報錯（如果沒報不用管），是因為有一個包protobuf版本太高，換成低版本就好。
解除安裝：pip uninstall protobuf
重新安裝：pip install protobuf==3.19.0
conda list 檢視版本變化
然後再輸入import tensorflow as tf
沒有報錯。
再輸入tf.test.is_gpu_available()，若最後為True表示GPU可用，證明已經成功安裝Tensorflow的GPU版本。
安裝kesrs2.3.1
pip install keras==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
完工。