踩过了好多坑之后我只能说网上的大部分教程都太老了，不适合RTX30系显卡，其实正确的方法比那些老方法简单的多，重要的是你显卡是新的，软件版本也一定要新

一、安装CUDA与CUDNN

1首先确保你已经安装了新版的nvidia图形驱动程序。其次你得有C/C++编译环境，没有的话装一个Visual Studio或MinGW。
2 安装CUDA Toolkit 11.3
3 下载CUDNN 11.3，将解压后的全部文件复制到CUDA的安装目录中（默认：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\）。

4 进入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite中，在命令行运行deviceQuery.exe和bandwidthTest.exe，如果运行后显示pass则表示CUDA及CUDNN成功安装。

二、安装python3.8

直接在官网下载安装，或用conda安装。

三、安装tensorflow

3.1 安装

一定要用 pip 安装，别用conda
pip install tensorflow
因为新版tensorflow同时包含cpu和gpu支持，所以是tensorflow而不是tensorflow-gpu。别指定2.0或2.3版本，就默认新版的，老版本有bug。

3.2 测试

进入python命令行，执行以下代码，最后显示 “True”即说明已支持gpu。
import tensorflow as tf
print(tf.test.is_gpu_available())
以下是一段来自tensorflow官网的示例代码，看看能否执行成功

import tensorflow as tf
mnist = tf.keras.datasets.mnist(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0model = tf.keras.models.Sequential([tf.keras.layers.Flatten(input_shape=(28, 28)),tf.keras.layers.Dense(128, activation='relu'),tf.keras.layers.Dropout(0.2),tf.keras.layers.Dense(10, activation='softmax')
])model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)