实验室新来了一台服务器，唉，花了我3天的时间去安装他那个环境，记一下安装流程，希望可以帮助一下苦苦安装环境的小伙伴吧！
先说一下新服务器的配置：见下图：
这是在英伟达官网下载驱动程序设置参数的时候截的图，我下载的驱动是‘457.09’版本的，没啥注意的，我就随便安装了一下！
1、CUDA的安装
接下来是CUDA的安装，我开始一直使用的是CUDA11.1，但是因为各种各样的错误，导致我的环境安装不成功，我觉得可能是因为CUDA11.1太新了，导致tensorflow没法匹配，而我在网上能看到的最新的CUDA和tensorflow对应的版本就是CUDA10.1。所以我果断卸载了CUDA11.1，安装了CUDA10.1，这个是网址 ‘https://developer.nvidia.com/cuda-toolkit-archive’
下图是我下载的版本：
安装的过程一直默认就行了！安装之后需要配置环境变量，因为搜了很多博客，导致后来都不知道到底需要配置哪些环境变量，所以索性把所有的环境变量都写上了，这里附上我配置环境的的那个网址吧 , "https://blog.csdn.net/vastz/article/details/108813557"，也可以参照这个博客进行安装。我配置的环境是下面这样的，第一张是系统里面配置，第二张在用户的path里面配置的，应该有很多事没必要的。
完事之后可以进入win+R进入命令行，查看安装成功如否，一个是"nvcc -V",这个是查看你安装的信息的；另一个是"nvidia-smi",这是查看你GPU信息的，见下图，如果出现了和我类似的信息的话，那么CUDA就安装完成了。
2、cudnn安装
之后是下载cudnn，又是不敢使用太新的版本，所以我下载的是cudnn7.6.5，下载cudnn需要登录邮箱，随便用一个邮箱登录就行了，也支持QQ和微信登录！附一下网址 "https://developer.nvidia.com/rdp/cudnn-archive"
cudnn下载完事之后，将文件夹解压，然后将里面的bin、include和lib复制"C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1"里面，不用担心会覆盖，因为根本没有重复的文件，大胆复制！
3、Python及TensorFlow-gpu的安装
先安装Python，我用的是Python3.6，因为这个版本兼容性好一点，可以直接安装Python，去python官网下载就行，也可以安装anaconda，这里我就用anaconda举例，因为我用的是这个。anaconda也别太新，里面的Python版本是3.6的就行了，anaconda安好了之后打开anaconda prompt，接下来安装环境就是在这里进行（如果是没用anaconda的话，直接使用win+R的命令行）。
可以先用"pip list"来看一下自己有哪些包，然后安装TensorFlow-gpu 2.1.0，用清华镜像会快点，指令为"pip install tensorflow-gpu==2.1 -i https://pypi.tuna.tsinghua.edu.cn/simple"，里面的版本号随便改都能用，这就完事了，其他的包对应着版本安装就OK了！
然后就是测试环境是不是都兼容了，最好去安装的Python里面打开python.exe，因为如果有错误他会提示的很详细，这样也方便百度去解决，输入指令：
import tensorflow as tf
print(tf.test.is_gpu_available())
基本上这个指令正确的输出信息那就可以了，说明安装完成了！可以参照一下下面的截图，由于信息太多，所以只有后面部分，参照一下：
4、说一下我出现的几个错误。
（1）'ImportError: No module named 'tensorflow.python.pywrap_tensorflow_internal''
一般出现这句话的错误那就是tensorflow-gpu版本不对了，卸载重新安装tensorflow-gpu就行了！
（2）出现下面这种错误：
这个就是你GPU的显存不够，要么就是网络训练的时候batch_size太大，要么就是通过用一个GPU训练多个网络，改一下就好了！
因为我这是后来写的博客，所以很多错误都忘了，不能列举很多了，不好意思，但是我觉得如果版本都对应上，基本就不会有错误了！