系统和环境安装过程遇到问题
由于项目需要，使用 tensorflow 进行训练，linux用的不太惯，最后又基于window搞了一下。
系统和环境这里需要注意一下，python、tensorflow和cuda版本要匹配，否则不能使用 gpu 进行加速。
对于 tensorflow 计算，cpu 跟 gpu 速度可以说是天差地别了！！！
查看版本匹配：tensorflow
系统：win10
显卡：NVIDIA GTX1060
python：3.7.9
pip：22.0.3
Tensorflow：2.3.0
Tensorflow-gpu：2.3.0 （开启GPU必备）
CUDA：10.2
CUDNN：7.6
python和pip就不做介绍了，网上一堆教程。这里使用 pip 安装，为提高安装速度，使用清华镜像源。
注意：tensorflow 和 tensorflow-gpu 需要配套。
pip install tensorflow==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple pip install tensorflow-gpu==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple遇到问题
python、pip、tensorflow 这些安装基本不会有什么问题。
我遇到的问题是，虽然可以使用 tensorflow 进行计算，但是无法使用 gpu 加速。
网上搜了很久，都没提到点子上，后来偶然发现需要本机安装 CUDA 和 CUDNN，而且需要版本匹配才可以！
错误：
tensorflow提示：tf.test.is_gpu_available: False
failed to query event: CUDA_ERROR_LAUNCH_FAILED
Could not load dynamic library ‘cudart64_110.dll‘； dlerror: cudart64_110.dll
网上的博客，基本都是什么显卡问题、NVIDIA设置问题、环境版本匹配问题等，尝试无果。
解决办法：
笔者的问题是，本机没有安装 CUDA 和 CUDNN。本来以为 tensorflow 会自动调用显卡 gpu的，后来发现需要安装驱动，按 此博客 安装了 CUDA 和 CUDNN 问题解决。
下载地址：CUDA10.2 和 CUDNN7.6 提取码：qfor
不出意外的话，再次使用 tensorflow 则可以使用 gpu 进行加速了。
补充一下：
还遇到个奇怪问题，每次使用 gpu 加速的时候，运行几秒程序就会强制退出或者直接就卡死。
CUDA运行时错误 — CUDA_ERROR_LAUNCH_FAILED: unspecified launch failure
Error polling for event status: failed to query event: CUDA ERROR ILLEGAL INSTRUCTION
could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR
没有找到具体原因，最后是更新了 tensorflow 和 tensorflow-gpu （2.3.0） 以及 CUDA （10.1） 和 CUDNN（7.6） 这个问题就消失了。
参考博客：
为什么tf.test.is_gpu_available()返回为false?
tf.test.is_gpu_available()报错false的解决方案
windows10下tensorflow-gpu运行问题记录
win10下CUDA和CUDNN的安装
Could not load dynamic library ‘cudart64_110.dll‘； dlerror: cudart64_110.dll
