记录一下自己配置过程。
我参考了这篇文章任意门，同时也有一些自己的经验教训总结如下：
1、首先要弄清楚自己电脑环境以及当前训练是否开启了GPU。
我用的是jupyternotebook + tensorflow2.5，cuda是11点几，我的gpu是1080，后来我把tensorflow和cuda卸载了，选择配置tensorflow-gpu 2.2 +cuda10.1 +cudnn7.65
后来自己配了一个电脑显卡是gtx-2060，cuda选择11.7，cudnn选择8.4.0 tensorflow无需特别安装gpu版，官网做了统一。
查看能否开启GPU训练
import tensorflow as tf
tf.config.experimental.list_physical_devices('GPU')
输出为[ ] 就说明没有开启GPU。
配置过程必须严格保证tensorflow版本，CUDA版本，cuDNN版本保持匹配！！！
这是tensorflow官网，有版本对应表格。传送门
tensoflow-gpu 2.2 CUDA 10.1 cuDNN7.5
2、安装tensorflow gpu版
pip install tensorflow-gpu==2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
这里使用了清华园镜像。
3、安装CUDA
我下的是CUDA10.1
https://developer.nvidia.com/cuda-10.1-download-archive-base
当我安装11.7遇到的问题是安装到一半自动重启，重启后找不到nvcc.exe，我做了两件事，一个是安装的模式由精简换成了自定义，然后把组件全安装了，一个是他提示我没装visual studio，我给补上了，之后就正常了，不知道哪个步骤起的作用。
（注意版本！注意版本！注意版本！）
安装完命令行输入”nvcc -V”可以查看
4、安装cuDNN
传送门
这个网站访问非常慢，而且按照正常步骤下载需要账号密码，非常麻烦。按照网上的方法可以绕过登录，右键点击要下载的版本，复制链接，然后用迅雷等下载工具直接下载。
5、配置
在配置之前我还刻意测试了一下，还是无法启动GPU，说明仅仅安装好还是不行！
把cudnn里面的文件全部复制到这CUDA里。如图所示把上面图的内容全部复制到下面图的路径。
设置路径
在系统环境变量的Path里添加如下路径（根据自己实际路径调整）：
6、测试
在jupyter notebook里：