参考文章：
配置环境
https://segmentfault.com/a/1190000023276876
https://blog.csdn.net/Yuan_mingyu/article/details/110856289
jupyter配置
https://blog.csdn.net/qq_35182128/article/details/104347313
安装完毕CUDA10.2
安装cuda10.2+cudnn8+tf2.8后发现运行测试为false
所以采用CUDA10.1+CUDNN7+tf2.3.0的搭配
因为重新下载太麻烦了，所以我更改了几个文件。
[En]
Because it was too troublesome to download again, I changed several files.
然后用conda在conda prompt下创建一个python3.7的虚拟环境
conda create -n tf2 python=3.7
激活
activate tf2
再安装tf2.3
在来测试
import tensorflow as tf
print(tf.__version__)
print(tf.test.is_gpu_available())
就成功了
在安装好对应版本的keras
就可以了，以后tf就在这个环境里面用了
配置jupyter的坚信历程（呜呜呜一个上午的奇迹。。揾英雄泪。。）
先下载包
pip install ipykernel ipython
然后在conda的tf2虚拟环境里面添加虚拟环境到jupyter
ipython kernel install --user --name tf2
但是打开jupyter后发现
一直崩
在尝试了无数种方法后，我终于发现了一个问题。
[En]
After trying countless methods, I finally found a problem.
我现在电脑里面有3个解释器：python39、anaconda、python37（tf2）
前面几次jupyter我都是在前面两个解释器打开的，虽然添加了，但是，内存太大所以连接不上，
然后我就在虚拟的tf2上安装了一个jupyter
再在虚拟的tf2中打开jupyter
发现其实这样下好后打开打开jupyter，就算是之前的解释器py39等也是不行的，会一直报错
这是由于程序包的版本有问题
[En]
This is due to a problem with the version of a package
因此，卸载程序包并在上安装相应版本
[En]
So, uninstall the package and install the corresponding version on
这时在打开jupyter选择对应的解释器
搞定了，艰辛的tensorflow配置历程，接下来，，迈入这条不归路了。
Original: https://blog.csdn.net/Miakura/article/details/123916468
Author: Miakura
Title: tensorflow配置GTX1660Ti+window10
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/508993/
转载文章受原作者版权保护。转载请注明原作者出处！