大致思路
1 gpu的型号和驱动版本是所有约束的起点，然后依次是 cuda，cudnn 和 tensorflow-gpu 和python
2 cuda cudnn tensorflow-gpu 之间的兼容关系一定要严格按照表格来，不要有侥幸心理！
3 anaconda 只是创建了一个环境，这个环境是空的，在这个环境里得重新安装各种包，甚至是anaconda自己的包
4 python 不要贪最新的release，先把1中各项表查好 再选python版本
步骤
桌面右键 NVIDIA 控制面板，点击左下角系统信息，然后看驱动程序版本
查看cuda 和 驱动的对应关系，网上有些帖子可能会点击组件，然后发现有cuda版本了。组件里的cuda版本不要管。查cuda和显卡驱动关系
发现cuda的版本大概在 10.0-10.2之间
去tensorflow的官网查询 cuda cudnn tensorflow-gpu三者版本兼容关系
tensorflow官网查依赖
所以 cuda 版本选10 cudnn 选7.4 tensorflow-gpu 选择1.14
然后找到nvidia的官网 下载 cuda 和cudnn
cuda下载地址
一开始我选择的是10.2 但是装到最后测试的时候报错，日志提示安装10.0，所以选了10.0
这也侧面反映tensorflow官网的版本精度不够
cudnn下载地址
win10 RTX 2060 super 使用anaconda做环境管理 搭建tensorflow-gpu 1.14 cuda 10.0 cudnn 7.6.4 python37 机器学习环境
