在命令行窗口中输入以下命令，查看支持的CUDA版本。
nvidia-smi
其中，CUDA Version即为当前GPU支持的CUDA的最高版本，即只能安装低于此版本号的CUDA。
点击这里查看更多信息。
| 版本 Python | 版本 | 编译器 | 构建工具 | cuDNN | CUDA |
|---|---|---|---|---|---|
| tensorflow_gpu-2.6.0 | 3.6-3.9 | MSVC 2019 | Bazel 3.7.2 | 8.1 | 11.2 |
| tensorflow_gpu-2.5.0 | 3.6-3.9 | MSVC 2019 | Bazel 3.7.2 | 8.1 | 11.2 |
| tensorflow_gpu-2.4.0 | 3.6-3.8 | MSVC 2019 | Bazel 3.1.0 | 8.0 | 11.0 |
| tensorflow_gpu-2.3.0 | 3.5-3.8 | MSVC 2019 | Bazel 3.1.0 | 7.6 | 10.1 |
| tensorflow_gpu-2.2.0 | 3.5-3.8 | MSVC 2019 | Bazel 2.0.0 | 7.6 | 10.1 |
| tensorflow_gpu-2.1.0 | 3.5-3.7 | MSVC 2019 | Bazel 0.27.1-0.29.1 | 7.6 | 10.1 |
以安装tensorflow2.3.0为例。
创建虚拟环境：
conda create -n your_env_name python=x.x
激活虚拟环境：
conda activate your_env_name
安装TensorFlow对应版本的CUDA和cuDNN：
conda install cudatoolkit=10.1 cudnn=7.6.5
安装对应版本的TensorFlow-GPU：
pip install tensorflow-gpu==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple验证安装结果
在之前创建的虚拟环境中，打开python控制台，输入以下代码：
import tensorflow as tf tf.test.is_gpu_available()
代码执行结果为True表示环境配置好了。
参考资料：
- tensorflow gpu安装
