0.想在Windows环境安装tensorflow-gpu，显卡必须是N卡（本文以3070显卡为例进行说明）
1.安装好Anaconda以及Pycharm（安装教程：https://www.bilibili.com/video/BV1K7411c7EL）
Anaconda安装网址——https://www.anaconda.com/products/individual
Pycharm安装网址——http://www.jetbrains.com/pycharm/download/#section=windows
2.更新N卡驱动，显卡驱动越新越好
3.右键桌面
——NVIDA控制面板
——点击左下角‘系统信息’
——选择‘组件’
——查看NVCUDA64.DLL后面的‘产品名称’：NVIDIA CUDA ‘版本号’driver
——记住这个‘版本号’
4.这个版本号就是N卡需要对应的CUDA版本
比如30系列显卡就必须是11版的CUDA，安装10版本的CUDA就会出错
可以上CSDN查询和你一样显卡的人成功安装tensorflow用是哪一版CUDA
总之寻找到满足条件的CUDA版本号
5.进入网站——https://tensorflow.google.cn/install/source_windows?hl=en#gpu
查表并寻找到与满足条件的CUDA版本号对应的：
（1）tensorflow-gpu版本号
（2）Python版本号
（3）cuDNN版本号
（4）CUDA版本号
例如tensorflow-gpu2.5.0对应python3.6-3.9对应cuDNN8.1对应CUDA11.2
总之，CUDA版本号必须满足显卡要求
同时tensorflow-gpu、python、cuDNN、CUDA的版本号必须全部对应
6.进入网站——https://developer.nvidia.cn/cuda-toolkit-archive
(
或者搜索‘Nvida开发者官网’——NVIDIA 开发者 | NVIDIA Developer
——往下翻找到‘CUDA开发工具包/SDK’
——点击‘立即下载’——点击‘Archive of Previous CUDA Releases’
)
——找到对应版本号的CUDA Toolkit
——依次点击Windows——x86_64——10——exe（local）
——点击Download
——网页无法访问的话，把链接中的“.com”修改为“.cn”
7.下载完成后打开安装软件
——设置临时解压目录（安装结束后，临时解压文件夹会自动删除，建议直接默认目录）
——选择自定义选项
——在“Driver components”节点下进行查看，如果'当前版本'大于'新版本'则取消“Display Driver”的勾，否则保留这个勾
——选择安装位置（不要和临时解压目录一样，否则安装结束，会找不到安装目录，同样建议直接默认目录）
——然后进行安装
——安装完成后按WIN+R键并输入cmd进入命令提示符
——输入nvcc -V（注意nvcc后面有个空格），回车
——如图中显示了你安装的CUDA版本号的话，则证明CUDA安装成功
8.由于下载cuDNN需要Nvida账号，因此先进入Nvida开发者官网
（https://developer.nvidia.cn/zh-cn）
注册账号并登陆
9.进入网站——https://developer.nvidia.cn/rdp/cudnn-archive
（
或者搜索‘Nvida开发者官网’——NVIDIA 开发者 | NVIDIA Developer
——往下翻找到‘cuDNN’
——点击‘下载cuDNN’
——勾选‘I Agree To the Terms of the cuDNN Software License Agreement’
——点击‘Archived cuDNN Releases’
）
——找到对应版本号的cuDNN（版本号对应，且对应你下载的CUDA版本号）
——点击选择带有‘for Windows’字样的，即Windows版本的cuDNN进行下载
——网页无法访问的话，把链接中的“.com”修改为“.cn”
10.下载完成之后得到一个压缩文件，解压后得到一个文件夹‘cuda’
将'cuda’文件夹中
（1）‘bin’文件夹里面的所有内容
（2）‘include’文件夹里面的所有内容
（3）‘lib’文件夹中的‘x64’文件夹所有内容
依次复制到
（1）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v‘版本号’\bin
（2）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v‘版本号’\include
（3）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v‘版本号’\lib\x64
文件夹之中
11.右键我的电脑——属性
——点击‘高级系统设置’
——选择‘高级’——点击‘环境变量’
——在‘系统变量’框中找到‘Path’并双击以进入‘编辑环境变量’
——点击‘新建’——点击‘浏览’
——分别将
（1）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v‘版本号’\extras\CUPTI\lib64
（2）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v‘版本号’\include
（3）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v‘版本号’\lib\x64
添加进去，并且检查环境变量中是否包含
（1）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v‘版本号’\bin
（2）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v‘版本号’\libnvvp
——之后一路点击‘确认’
12.进入Pycharm
——点击File——Setting——Python interpreter——点击‘齿轮’按钮并点击add
——选择Conda Enviroment——选择New enviroment——在Python version下拉按钮中选择对应的python版本号
——记住新建的环境的名称
——点击OK
13.
（1）若有科学上网方法
进入网站——https://pypi.org/
——搜索tensorflow-gpu
——选择第一个链接
——点击‘Release history’
——找到对应版本的tensorflow-gpu
——点击‘Download files’
——注意确认是对应的Python version（例如python3.8，会在‘Python version’下写明cp38）
——同时注意确认是windows版本（链接中带有‘win_amd64’）
——在确认以上注意点无误后，点击链接进行下载
（2）若没有科学上网方法，在以上网站下载会巨慢
可进入镜像网站——https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/tensorflow-gpu/
——找到对应版本号tensorflow-gpu
——此时必须注意选择的tensorflow-gpu链接是否与python版本对应，且是否为windows版本
——例如对应python3.8版本的，链接中会带有‘cp38’字样
——对应window版本的，连接中会带有‘win_amd64’字样
——带有‘rc’字样的为先行发布版本，可以不要选择
——在确认以上注意点无误后，点击链接进行下载
14.下载好的文件是一个whl文件
本说明将该文件放在E盘的whl文件夹中，并以此为例进行说明
——按下win+R键并输入cmd进入命令提示符
——输入conda activate 环境名，回车(如果base环境中的python版本号能够对应CUDA版本号则跳过此步骤。如果base环境中的python版本号不对应，则只能先创建一个对应python版本号的环境，然后在该环境中安装tensorflow-gpu，否则将无法安装。本文的12.步即为创建对应python版本号的虚拟环境）
——输入e:，回车
——输入cd E:\whl，回车（注意cd后面有个空格）
——输入pip install ‘要安装的whl文件名’，回车（例如pip install tensorflow_gpu-2.5.0-cp38-cp38-win_amd64.whl）
——等待安装完成
——进入Anaconda Navigator
——在界面左边的按钮中选择‘Environments’
——选中你创建的环境
——在界面中间靠上位置的下拉按钮中选择‘Installed’
——在右边搜索框中搜索tensorflow-gpu
——若在列表中显示了‘tensorflow-gpu’，且版本号无误的话，则证明安装成功
15.进入Pycharm
输入代码：
import tensorflow as tf
gpu = tf.config.list_physical_devices('GPU')
print(gpu)
并运行
若输出[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]则证明成功（不用在意显示的红字，红字的意思是成功打开了动态库xxx）
若输出[]则说明安装失败