先导篇
如果你看到这篇文章，那么说明你已经节省了大半天时间会花费在developer.nvidia.com网站上了！好用请点赞，收藏评论！！有问题请留言~
目前装CUDA有两种模式：
1.windows=>CUDA
2.windows=>anaconda=>CUDA （教程是基于这种模式,windows\Linux通用，cuda安装有anaconda管理，不直接安装于系统中！！）
查阅网上的Tensorflow-gpu的安装教程，模式一装cuda时会让人看到头秃，因为他们都是让你去官网下载cuda和cudnn，基于Windows系统，然后各种添加环境变量，各种版本必须兼容，会把你搞得身心俱疲。如果你使用了anaconda，那么其实cuda套件安装过程十分简单。【没安装的话，想简单就上WEST先生的车吧！！mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，清华镜像源走一波，下对应版本的exe安装即可，如下图anaconda3-2020.11版本】
参考你所需要的Tensorflow版本,安装对应版本的cuda,这点很重要！！！！【10.1、10.2、11等版本适用于Tensorflow2.0以上】
假设当前你已经完成了虚拟环境的创建(参考我的前一篇文章),如tf1
conda create -n tf1 python=3.7
activate激活虚拟环境，然后安装tensorflow和tensorflow-gpu命令如下：
1.安装tensorflow
conda install tensorflow-gpu #默认最新版本 当前为cuda 11.0
or
conda install tensorflow-gpu==1.14.0
2.安装cudatoolkit
conda install -c anaconda cudatoolkit #-c代表--channel。 它用于指定搜索包的频道 默认最新版本
or
conda install cudatoolkit=10.0 # 若需指定版本
3.安装cudnn
conda install -c anaconda cudnn #若上步指定了版本，这里将做自动匹配~
conda install cudnn = 7.3.1
4.加入环境变量
设置path中的虚拟环境tf1的路径 anaconda\envs\tf1\Library\bin
5.验证可用性
可用jupyter notebook脚本运行
import tensorflow as tf
tf.test.is_gpu_available()
返回true即可
6.异常处理
流程1：
新建环境装python, 尝试先安装对应的cudatoolkit、cudnn（这个可以conda search cudnn，进行小版本选择，针对2060我吃过亏，7.6.5大版本下，7.3.1小版本却不同，低版本才兼容），再装适合的tensorflow。
流程2：
已知所需tensorflow的版本，查找对应的python版本，新建环境装py，再装对应版本的tensorflow、cuda、cudnn。
这个安装天时地利人和，必须各版本适配。非常建议！！网上查找自己显卡成功过的适配模式！！！下面分享一个自己的环境。愿大家都能成功！！！
nvidia 2060: python3.7 cuda10.0 cudnn7.3.1
