由于深度学习，需要安装多个版本的tensorflow和cuda。唯一解决方案就是使用conda的虚拟环境。
路过不少坑，记录一下。阅读本文需要对conda基本操作有了解。
确定显卡适配的cuda版本、cudnn版本、tensorflow版本
cmd下使用'nvidia-smi'查看显卡可用最高cuda版本
先前测试过本机本卡可使用python==3.8、tensorflow-gpu==2.6.0、cudatoolkit=11.2、cudnn=8.1.0的组合
conda建立环境安装所需各种包
conda create --name 虚拟环境名称 python==3.8
pip install --upgrade pip（这一步出错，提示使用‘D:\anaconda3\envs\虚拟环境名称\python.exe -m pip install --upgrade pip‘来更新，复制照着做就行）
conda install anaconda
pip install tensorflow-gpu==2.6.0
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
测试cuda环境发现报错，某些包的版本有需求，根据提示更新下面两个包（这两个包要降级到这个版本）
pip install numpy==1.19.2
pip install protobuf==3.20
pip install keras==2.6.0
进入python测试能否找到gpu
【测试tf+cuda】
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 不显示等级2以下的提示信息
print('GPU', tf.test.is_gpu_available())
a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)
【结果如下就证明tensorflow-gpu安装成功了】
【GPU True】
【tf.Tensor(6.0, shape=(), dtype=float32)】
！注意，虚拟环境中无法使用nvcc -V命令检测cuda安装情况
