在裝tensorflow-gpu之前，很重要的一點，一定要充分了解自己的電腦，再去安裝！不然後面會踩很多坑！
我的電腦是win10-64位、GetForce GTX 1650 Ti，以及anaconda環境的Python3.8（當然python不合適還可以換）。了解自己的顯卡特別重要！
然後再去安裝適合自己電腦的cuda和cudnn。
此處需要首先確認了自己的顯卡是否支援cuda，這個可以透過在NVIDIA:Your GPU Compute Capability查到，先找到對應系列，再去系列下面找型號，如果有就表示支援。但我沒有找到我的1650Ti，聽說是因為官網沒更新。此時有大佬說可以透過軟體GPU-Z來檢視是否支援CUDA以及算力的情況（但是我沒嘗試）。後來自己實踐，確定1650Ti是可以安裝cuda的。
由於我對硬體懂得不多，所以以下可能有些專業辭彙不太恰當，主要紀錄本人的安裝過程。
第一步：檢視配置
關於自己電腦顯卡的配置，是透過搜尋自己購買電腦官網得知的，自己是GetForce GTX 1650 Ti。然後發現自己有一個軟體叫：NVIDIA GetForce。這個是對應我自己的顯卡驅動軟體，一般都是開著的。
右鍵點選，開啟它的控制面板->系統訊息：
檢視套件，找到cuda的支援版本。
這裡還有一種方法是:在cmd里輸入：
nvidia-smi
可以看到：你的Gpu訊息和gpu使用情況（這樣應該也呢個確定你可以安裝cuda）。重點看第一行，有cuda version。這個不代表已經安裝了cuda，而是表示可以安裝cuda的最高版本！！這也是和上圖對應的。
第二步:安裝cuda
確定可以安裝的cuda之後，我們再來看tensorflow-gpu這張版本對應表。
可以發現 tensorflow CUDA cuDNN Python VS這五個是一連串的對應關係
其中前四個的對應關係（一定）要弄對。vs2015和2017都行？vs電腦貌似自帶？反正我沒有下載。
因為，我是Python3.8的，然後我查到，正好我能安裝到cuda11.0,所以我後面就下載了cuda11.0.228+cudnn-x64-v8.0.2.39。但是我最後裝的tensorflow-gpu實際是2.4.1的。emmm具體為啥不是2.3.0，就很「碰巧」的裝了2.4.1對了，然後2.3.0當時因為一個Bug測試不對，後來就解除安裝了，不過後來發現bug不是版本問題，但是也懶得嘗試2.3.0了。不過我的電腦裝的2.4.1也是可以執行的哦。
（看了很多教學，一直感覺版本安裝的其實越高越不好，好像Pytorch之前都不支援coda11.0來著，不過現在是支援了）
然後，可以從自己電腦支援的CUDA入手 在表格中搜尋適合自己的配置，然後依次進行安裝。
cuda Toolkit安裝地址：https://developer.nvidia.com/cuda-downloads
cuda安裝的還挺慢的，他讓自己定cuda的安裝位置，But!最後不知道什麼原因他還是給我裝進了C盤。我看有小夥伴一度安裝完之後，沒有找到cuda的位置。安裝過程如下：
這裡，我看大佬都是選擇的自定義，因為後面有一個外掛不安裝，因為聽說安了總會出錯，第一個「精簡」其實選了也沒錯，就是全部給你安了（emmm在這裡，我選擇的是「精簡」,也就是全安了，也沒有報錯，為啥選精簡，因為當時以為真的「精簡」，後來發現是「all」）
如果選擇：自定義，那麼按照大佬們的教學是：
安裝完畢後，檢視環境變數，會發現：
cuda已經在了
此時，cmd里檢視版本訊息nvcc --version
成功。
如果你找不到你的cuda安那裡了。
cmd裡面：where nvcc
就找到你的cuda到哪了。
第三步，安裝cudnn.
cudnn安裝：https://developer.nvidia.com/rdp/cudnn-archive
按照剛才的tf表格，找到對應的cudnn！下載，解壓。（安裝到哪都無所謂，你找的到就行）
把cudnn中的這三個目錄，複製下來。
複製到cuda目錄下：
然後在Path中新增4個路徑：
1 2 3 4 5 6 7 | C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0in C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0libx64 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0libnvvp |
（這裡copy別的大佬裡面的，請對照自己的新增！）
然後，cmd進入到你的demo下：
（我的是：cd C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0extrasdemo_suite）
執行
deviceQuery.exe
bandwidthTest.exe
如果兩個都pass，那麼cuda以及cudnn都安裝成功啦~
貌似感覺這一切都很順利，然鵝，cuda和cudnn雖然安裝完畢，令人抓狂就是在於安裝之後，安裝tensorflow-gpu卻發現自己始終沒有使用到gpu執行tf。後面開始填坑之路，但願大家沒有遇到這些錯誤，如果遇到了，請對照解埋坑（還有一些坑，遇到了，可能忘了怎麼填了，也可能留下來暫時也沒找到填坑方法，歡迎指正~）
下一節講如何安裝tensorflow-gpu，以及如何看是否是在gpu上執行的。