深度学习TensorFlow—GPU2.4.0版环境配置，一文简单易懂详细大全，CUDA11.0、cuDNN8.0
前提：电脑拥有英伟达独立显卡!!!，并且安装了anaconda！！！
前提：电脑拥有英伟达独立显卡!!!，并且安装了anaconda！！！
前提：电脑拥有英伟达独立显卡!!!，并且安装了anaconda！！！
本文简单易懂，现在的电脑，一般都是显卡驱动版本超过450的，在Anaconda Prompt中输入查看
nvidia-smi
比如我的查看显示驱动版本是496.76，CUDA支持版本最高到11.5,根据下面的GPU版本和CUDA、cuDNN对应版本，我选择了安装 tensorflow_gpu-2.4.0 版本。
一、TensorFlow各个GPU版本CUDA和cuDNN对应版本整理（部分）：
二、安装流程：
1、首先安装上表所示的支持环境， Compiler （编译器）和 Build tools （构建工具）：
需要官网下载MSVC2019,进行安装后，自带 Build tools 。
点击社区版下载，然后一直点击下一步。进行安装。
安装过程中出现如下需要选择工作负荷，可以先只勾选Python开发，然后点击安装，后续需要可再进行修改。
2、CUDA11.0以及cuDNN8.0下载安装本地文件安装：
选择11.00版本的CUDA，按照点击步骤进行下载到本地。
然后双击安装CUDA11.0：
可以现自定义一个临时空间，用于解压，用完便自动删除
选择自定义安装，取消勾选Visual studio intergration 和Display Driver
一直下一步，安装完成
下载cuDNN，cuDNN就相当于CUDA的补丁文件，下载时需要登陆账号，网络访问慢的，可以下载我的上传的百度网盘文件：
下载后解压，然后将文件夹复制到cuda安装文件夹里：
3、检查CUDA是否配置成功：
打开cmd，输入nvcc -V：，可以看到CUDA版本为V11.0:
进入此文件路径：（也就是安装的cuda文件夹的路径）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\demo_suite
进入cmd：
分别输入：
.\bandwidthTest.exe
.\deviceQuery.exe
最后执行结果为Pass，说明配置好了！！！
4、anaconda配置虚拟环境Tensorflow24：
打开Anaconda Prompt，创建一个虚拟环境，python版本为3.8：
conda create -n Tensorflow24 python=3.8
进入环境，安装命令：
conda activate Tensorflow24 ##进入环境
pip install tensorflow==2.4.0 -i https://pypi.mirrors.ustc.edu.cn/simple
安装成功后需要单独安装keras版本与tensorflow版本一致，
pip install keras==2.4.0 -i https://pypi.mirrors.ustc.edu.cn/simple
5、检查是否安装成功：
python #进入python环境
import tensorflow as tf #导入Tensorflow
tf.test.is_gpu_available() #查看GPU版本信息，并返回Gpu是否可用
exit() #退出python环境
大功告成！@！！！！！！
