在装tensorflow-gpu之前，很重要的一点，一定要充分了解自己的电脑，再去安装！不然后面会踩很多坑！
我的电脑是win10-64位、GetForce GTX 1650 Ti，以及anaconda环境的Python3.8（当然python不合适还可以换）。了解自己的显卡特别重要！
然后再去安装适合自己电脑的cuda和cudnn。
此处需要首先确认了自己的显卡是否支持cuda，这个可以通过在NVIDIA:Your GPU Compute Capability查到，先找到对应系列，再去系列下面找型号，如果有就表示支持。但我没有找到我的1650Ti，听说是因为官网没更新。此时有大佬说可以通过软件GPU-Z来查看是否支持CUDA以及算力的情况（但是我没尝试）。后来自己实践，确定1650Ti是可以安装cuda的。
由于我对硬件懂得不多，所以以下可能有些专业词汇不太恰当，主要记录本人的安装过程。
第一步：查看配置
关于自己电脑显卡的配置，是通过查询自己购买电脑官网得知的，自己是GetForce GTX 1650 Ti。然后发现自己有一个软件叫：NVIDIA GetForce。这个是对应我自己的显卡驱动软件，一般都是开着的。
右键点击，打开它的控制面板->系统信息：
查看组件，找到cuda的支持版本。
这里还有一种方法是:在cmd里输入：
nvidia-smi
可以看到：你的Gpu信息和gpu使用情况（这样应该也呢个确定你可以安装cuda）。重点看第一行，有cuda version。这个不代表已经安装了cuda，而是表示可以安装cuda的最高版本！！这也是和上图对应的。
第二步:安装cuda
确定可以安装的cuda之后，我们再来看tensorflow-gpu这张版本对应表。
可以发现 tensorflow CUDA cuDNN Python VS这五个是一连串的对应关系
其中前四个的对应关系（一定）要弄对。vs2015和2017都行？vs电脑貌似自带？反正我没有下载。
因为，我是Python3.8的，然后我查到，正好我能安装到cuda11.0,所以我后面就下载了cuda11.0.228+cudnn-x64-v8.0.2.39。但是我最后装的tensorflow-gpu实际是2.4.1的。emmm具体为啥不是2.3.0，就很“碰巧”的装了2.4.1对了，然后2.3.0当时因为一个Bug测试不对，后来就卸载了，不过后来发现bug不是版本问题，但是也懒得尝试2.3.0了。不过我的电脑装的2.4.1也是可以运行的哦。
（看了很多教程，一直感觉版本安装的其实越高越不好，好像Pytorch之前都不支持coda11.0来着，不过现在是支持了）
然后，可以从自己电脑支持的CUDA入手 在表格中查找适合自己的配置，然后依次进行安装。
cuda Toolkit安装地址：https://developer.nvidia.com/cuda-downloads
cuda安装的还挺慢的，他让自己定cuda的安装位置，But!最后不知道什么原因他还是给我装进了C盘。我看有小伙伴一度安装完之后，没有找到cuda的位置。安装过程如下：
这里，我看大佬都是选择的自定义，因为后面有一个插件不安装，因为听说安了总会出错，第一个“精简”其实选了也没错，就是全部给你安了（emmm在这里，我选择的是“精简”,也就是全安了，也没有报错，为啥选精简，因为当时以为真的“精简”，后来发现是“all”）
如果选择：自定义，那么按照大佬们的教程是：
安装完毕后，查看环境变量，会发现：
cuda已经在了
此时，cmd里查看版本信息nvcc --version
成功。
如果你找不到你的cuda安那里了。
cmd里面：where nvcc
就找到你的cuda到哪了。
第三步，安装cudnn.
cudnn安装：https://developer.nvidia.com/rdp/cudnn-archive
按照刚才的tf表格，找到对应的cudnn！下载，解压。（安装到哪都无所谓，你找的到就行）
把cudnn中的这三个目录，复制下来。
复制到cuda目录下：
然后在Path中添加4个路径：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\binC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
（这里copy别的大佬里面的，请对照自己的添加！）
然后，cmd进入到你的demo下：
（我的是：cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\demo_suite）
运行
deviceQuery.exe
bandwidthTest.exe
如果两个都pass，那么cuda以及cudnn都安装成功啦~
貌似感觉这一切都很顺利，然鹅，cuda和cudnn虽然安装完毕，令人抓狂就是在于安装之后，安装tensorflow-gpu却发现自己始终没有使用到gpu运行tf。后面开始填坑之路，但愿大家没有遇到这些错误，如果遇到了，请对照解埋坑（还有一些坑，遇到了，可能忘了怎么填了，也可能留下来暂时也没找到填坑方法，欢迎指正~）
下一节讲如何安装tensorflow-gpu，以及如何看是否是在gpu上运行的。
