1.背景

关于配置tensorflow-2.x gpu环境，参考博客：
python3配置tensorflow-2.x gpu环境(2)
https://blog.csdn.net/jn10010537/article/details/113791239

由于最近cuda编译VPF硬解码需要，将cuda10.0卸载掉，重新安装了：cuda10.2以及cudnn7.6.5。

测试环境

python3.7
windows10 专业版

2.安装cuda框架

CUDA（Compute Unified Device Architecture）是一种用于GPU通用计算的并行计算平台和编程模型。它以C语言为基础，并多C语言进行了扩展，能够在显卡芯片上执行程序。
安装包cuda_10.2.89_441.22_win10.exe，自定义安装位置：

如下图1：

3.安装cuDNN

CUDA提供了一个深度神经网络的GPU加速库cuDNN（CUDA Deep Neural Network），完成了对卷积、池化、归一化和激活函数层等标准操作的快速实现。
安装包：cudnn-10.2-windows10-x64-v7.6.5.32.7z
解压后将bin、include、lib三个文件夹拷贝至cuDNN文件夹，即如下路径：
D:\D03_GeneralDevelop\D03_01_nvidia\cudnn\cuDNN

如下图2：
-3、将cuda、cuDNN添加至系统环境变量
将cuda、cuDNN安装目录下的如下文件夹添加至系统环境变量：

图3：

图4

图5

图6

添加至系统环境后，如下图7：

4.安装tensorflow-gpu

安装tensorflow-gpu==2.2.0

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.2.0

安装后查看安装的三方包如下：

查看tensorflow是否运行了GPU硬件:

import tensorflow as tf 
print(tf.__version__ )     # 2.2.0 
tf.test.is_gpu_available() # False

发现tensorflow的gpu没有运行上，如下图：

如上图，原因是：cuda_10.2.89_441.22_win10.exe安装后的在
D:\D03_GeneralDevelop\D03_01_nvidia\cuda\install\development\bin目录下是cudart64_102.dll文件！
如下图

结论是cuda_10.2.89_441.22_win10.exe与tensorflow-gpu 2.2.0不匹配，需要 ‘cudart64_101.dll’，即cuda10.1；

经过测试cuda_10.2.89_441.22_win10.exe与tensorflow-gpu 2.3.0也同样不匹配，需要 ‘cudart64_101.dll’，即cuda10.1；

经过测试cuda_10.2.89_441.22_win10.exe与tensorflow-gpu 2.3.1也同样不匹配，需要 ‘cudart64_101.dll’，即cuda10.1；

经过测试cuda_10.2.89_441.22_win10.exe与tensorflow-gpu 2.3.2也同样不匹配，需要 ‘cudart64_101.dll’，即cuda10.1；

经过测试cuda_10.2.89_441.22_win10.exe与tensorflow-gpu 2.4.0也同样不匹配，需要 ‘cudart64_110.dll’，即cuda11.0；

经过测试cuda_10.2.89_441.22_win10.exe与tensorflow-gpu 2.4.0rc0也同样不匹配，需要 ‘cudart64_110.dll’，即cuda11.0；

5.总结

-5.1 测试的意义
似乎这种测试很没有意义，
但是如果你在研究VPF，即VideoProcessingFramework，那么就有意义了！
（在windows10下，安装cuda10.0后，编译VPF报错，具体报错这里不提了。）
同时本博客，也详细说明了cuda与tensorflow-gpu安装配置的大致过程，也是有一点意义的。

参考博客：
【tensorflow-2.x-gpu 】python3配置tensorflow-2.x gpu环境(2)
https://blog.csdn.net/jn10010537/article/details/113791239

提到的 Windows-GPU构建配置，进行配置cuda、cudnn、tensorflow-gpu；

最终建议你，在windows10下安装cuda10.1版本，这个版本能同时兼顾tensorflow-gpu和VPF的使用。

-5.2 安装了cuda10.1，tensorflow-gpu2.3.0
如下是我重新安装cuda,cudnn的简述：

安装tensorflow2.3.0，安装后查看三方包：
查看tensorflow是否运行了GPU:

import tensorflow as tf 
print(tf.__version__ )     # 2.2.0 
tf.test.is_gpu_available() # False

发现tensorflow的gpu成功运行上，如下图：