说明：文章只详细介绍Windows下、python3.x版本、Tensorflow-GPU的详细安装配置！
1、Tensorflow介绍
TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。 TensorFlow 最初由Google大脑小组的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究， 但这个系统的通用性使其也可广泛用于其他计算领域。2、Tensorflow特性
高度的灵活性：只要能够将计算表示成为一个数据流图，那么就可以使用TensorFlow。 可移植性：TensorFlow支持CPU和GPU的运算，并且可以运行在台式机、服务器、手机移动端设备等等。 自动求微分：TensorFlow内部实现了自动对于各种给定目标函数求导的方式。 多种语言支持：Python、C++3、Tensorflow安装
要求：Python必须是64位，机器的显卡必须是NVIDIA的显卡。 对于Python3.x，可以使用pip install tensorflow（安装CPU版本）和pip install tensorflow-gpu（安装GPU版本） 对于Python2.7，只能通过源码编译来安装TensorFlow(Windows操作系统)4、安装步骤
1）、“win + R” 输入 cmd 进入命令行控制
2）、在python3.x的安装前提下，输入
pip install tensorflow-gpu==1.15.0（以1.15.0为例，具体版本选择参照下图）
进行tensorflow的安装 tensorflow的版本选择和python的版本具有关联性,可以在命令行下输入“python”查看相关信息，关联如下图：
相关信息查看链接：/install/source#gpu
3）、tensorflow安装完成后，在命令行输入" python --> import tensorflow "
pythonimport tensorflow
4）、根据提示进行下一步操作，如果没报错则表示成功，如果出现像下图所示（各种dll文件报错）则进一步操作
5）、TensorFlow-GPU安装-CUDA以及cuDNN
·CUDA下载安装链接
·cuDNN下载安装链接cuDNN下载时需要一个简单的注册
网址可能加载较慢，多刷新耐心等即可，附赠下载大礼包（CUDA10.0版本），包含： Visual Studio（community）、python3.7.0、cuda_10.0.130_411.31_win10 以及cudnn-10.0-windows10-x64-v7.4.2.24 网盘下载链接（提取码：f61r）（适用python3.3-3.7）
在CUDA和cuDNN选择的时候也要根据自己的机器、python版本、以及tensorflow版本进行选择 详细参见： 版本选择
① 选择CUDA版本，不知道NVIDIA显卡适配什么样的CUDA小伙伴看下面
打开NVIDIA控制面板（打开方式有多种），点击左上角 帮助-->系统信息-->组件，找到NVCUDA.DLL 查看对应的CUDA适配版本② 然后去CUDA下载安装链接找到相应的版本下载，进行安装
在安装过程中可能会遇到安装失败的问题，多半原因是因为Visual Studio(VS) Intergration无法安装导致，下面是简单处理方法
·如果电脑没有装 Visual Studio，先去装一个 。传送门：VS安装
·安装完成VS后，再次打开CUDA安装包，选择自定义安装模式，在选项中去掉Visual Studio(VS) Intergration勾选，进行安装
③还需要安装对应版本的cuDNN下载安装链接
将cuDNN的压缩包解压， 然后将压缩包中的三个文件夹全部放到CUDA对应的根目录下，根据环境变量找到对应的根目录：（默认）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0；
说明：在CUDA9.x版本以上是默认配置好环境变量的
然后在命令行输入“nvidia-smi”
nvidia-smi
如果出现以下信息，表示安装成功了！
6）、在命令行输入" python --> import tensorflow "测试，通过则成功。
如果发现缺少某个dll的提示，一般情况下，按照以上步骤安装后，是不会出现tensorflow-gpu的版本和cuda、cudnn版本不兼容的问题，大概率也不是缺少这个文件，而是无法链接动态库的问题。操作如下：
① 在CUDA安装目录下，默认为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；查找缺少的某个.dll 文件，如果找不到点击这里下载相关dll文件，下载结束后放在上述目录里。
②自己能找到相应的文件，系统却仍然报找不到的错：
将 “某个.dll ” 文件放入C盘的System32文件夹，解决（但是为外部动态链接，每次运行tensorflow程序会显示'sucessfully XXXX'语句，属于正常显示）
7）、到此，Tensorflow安装配置结束
一般情况下，版本相匹配是不会出现错误的，如果在某些测试下发现，缺少更多的dll文件，可以参考这篇文章，希望对你有所帮助
因为无法链接动态库的问题采用上述方法解决的话，会看到很多诸如类似的提示： Successfully opened dynamic library cudart64_101.dll Successfully opened dynamic library cud64_100.dll Successfully opened dynamic library xxxx.dll 此时可以采用os模块的解决，在import tensorflow as tf前面导入import os，示例如下：
import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 不显示等级2以下的提示信息import tensorflow as tf
以上代码用于忽略级别 2 及以下的消息（级别 1 是提示，级别 2 是警告，级别 3 是错误）
另外，出现Successfully opened dynamic libraryxxxxx.dll，虽然无伤大雅，但是每次程序运行import tensorflow as tf的时候总会等待一两秒去查找xxxxx.dll
方法（仅供参考）：将xxxxx.dll的路径添加到环境变量的Path中:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin\xxxxx.dll
8）、运行tensorflow程序提示Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
大概意思是：你的CPU支持AVX扩展，但是你安装的TensorFlow版本无法编译使用如果你有一个GPU，你不应该关心AVX的支持，因为大多数昂贵的操作将被分派到一个GPU设备上（除非明确地设置）。在这种情况下，您可以简单地忽略此警告：
import os
os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘2’
希望上述方法对你有所帮助！
