windows系统跑gpu版的tensorflow（用gpu运行程序）

1.安装好所有的工具，在代码主要部分前面加上os.environ[“CUDA_VISIBLE_DEVICES”] = '0’如果失败
用win+R打开运行界面输入cmd，将路径位于C:\Program Files\NVIDIA Corporation\NVSMI\nvidia-smi拖到cmd界面里，回车查看gpu的信息

2.安装gpu版tensorflow时
遇到ImportError: Could not find ‘cudart64_100.dll’
就是你的cuda的版本过低，建议安装cuda10.0以上的版本
3.判断你的tensorflow-gpu使用cpu还是gpu运行？
运行以下代码，观察输出的日志，有cpu就是使用cpu，有gpu就是使用gpu

with tf.device('/cpu:0'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

4.出现NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver这个问题？
检查一下nvidia驱动有没有安装，电脑的gpu版本是不是大于3.0
5.打开nvidia控制面板失败
找一下服务里面的display container LS 是否打开
6.出现您当前未使用连接到NVIDIA GPU显示器
打开设备管理器，看一下显示适配器 有没有安装完整或者看一下，有没有被电脑一些杀毒软件禁止启动了
7.出现ensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version
看一下有没有同时安装tensorflow和tensorflow——gpu，有的话要统一两者的版本
本人试了一下发现没有用，于是自己下载了网上的驱动，更新一下，成功了，驱动的地址在这里