我最先下载的是最新的cuda11.4.1以及tf-gpu2.5.0，后来因为觉得版本太高才降低了版本，这三者的版本对应很重要，比如tf2.5.0就不能用cuda11，我才降的级。
这里主要说几个坑，截止到2021.8，最新的cuda11.4.1和tf2.5.0版本的最新对应可以看英伟达官网https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html查看驱动版本的支持，驱动版本在英伟达控制面板点击主页就能看见，点击左下角系统属性以及组件，则可以查看cuda支持版本，由于网上同类教程很多我就不放图了。这篇博客https://blog.csdn.net/K1052176873/article/details/114526086里面也有对应，比较新，最多到tensorflow2.4.0。
安装过程不多赘述，主要讲我遇到的坑：首先，是cuda安装失败的问题，首先网络安装，不行，又换本地安装（大约3G），下了好几个版本，流量心疼。但是即使我的驱动足够支持版本，还是安装失败，我的情况是卡在Nsight Visual Studio Edition就失败了，看了看这个对我好像没用，于是就选“自定义”然后不安它不就好了，可是打开所有“加号”后发现并没有他，于是尝试多次后我把所有Nsight开头的全部去掉了，终于安装成功。
另一个问题是import tf不行，原因是2.5.0版本与cuda11.0不匹配，于是降到2.4.0，不知为何下载失败，最后安装的2.4.0rc4，tf 是在pycharm中安装：settings找到解释器双击包名，右下角选择特定版本打对号，再选择对应版本install。
还有一个问题是用pycharm运行时出现Not creating XLA devices, tf_xla_enable_xla_devices not set，解决方法是：命令行SET TF_XLA_FLAGS=–tf_xla_enable_xla_devices或者pycharm的.py文件中添加：
import os
os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices'
然后错误是没有了，可是运行后发现竟然还是cpu跑，gpu不动，累了，明天在解决，下一篇博客在说。
