完整机器学习环境需要CUDA,cuDNN，Anaconda，python，tensorflow-gpu,keras,
这些都是需要版本匹配的，
一般来讲

其实有人说（有的博客）要按照自己的gpu安装CUDA,cuDNN
比如这篇博客
https://blog.csdn.net/m0_37867091/article/details/105788637?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase
就是这么说的
但这不是正确做法
这种安装的CUDA，cuDNN版本都很高，会导致没有python，tesorflow-gpu,keras 与之匹配，正确做法如下，
1 按照如下匹配安装

2 安装CUDA,cuDNN,RTX 2060显示最佳匹配的CUDA版本是CUDA 11.0,但是如果你装了此版本，没有对应的python版本与之匹配，所以要匹配较低版本，我看到有的博客说他的RTX 2060装的是CUDA10.0,成功调用了gpu，而我自己按照最高版本11.0 没成功，所以我后来装的是10.0
安装CUDA 参考如下
到英伟达官网下载对应的CUDA版本，

选择CUDA的安装环境，我是本地安装，先下载下来，再安装，翻墙应该会下载很快


安装cuDNN
到英伟达官网下载与CUDA对应的cuDNN
https://developer.nvidia.com/rdp/cudnn-archive
接下来的操作，有人是这样说的，我看了该博客，截屏如下，他说“下载之后，解压缩，将cuDNN文件夹里面的bin,include,lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可”

我试了，这个操作好像不对，真正的做法是








安装好Anaconda后，anaconda默认装的是最新的python，而tensorflow-gpu和keras好像不支持最新版本的，所以要安装就版本的，但是在anaconda的base环境中无法更改python版本（有的博客 说能更改，我试了，不好），只能额外建立环境，

构建虚拟环境

打开Anaconda Navigator ,点击Environment，单击base(root),选择，Open terminal

​接下来依次输入命令，注意结尾不能有空格，如果途中让你选择是Yes/no，全部输入y

conda create -name tensorflow-gpu python=3.5 anaconda

接下来打开虚拟环境的Open terminal

pip install tensorflow-gpu==1.15.0
接下来我的安装过程中，出现了错误，错误如下
错误一

解决办法
需要安装msgpack
在虚拟环境的Open terminal中输入以下命令
pip install msgpack
还会出现这种包不匹配的错误
比如这种
这时候，你应该把这些包名记住，使用
pip uninstall 包名
命令将该包先卸载，
然后最重要的是这个错误

这个错误应该这么做，Open terminal中输入命令
pip install -U --ignore-installed wrapt enum34 simplejson netaddr

注意，以上错误是在输入命令pip install tensorflow-gpu1.15.0后同时出现的，解决的时候，依次输入解决方案的命令即可，这算是在解决错误，错误解决完后，
重新输入命令
pip install tensorflow-gpu1.15.0
这时候，tensorflow-gpu 应该就成功安装了，
可以在虚拟环境中打开Open terminal输入python命令，进入python环境，
然后输入
import tensorflow as tf
看是否成功
接下来是安装对应版本的keras
keras也是要跟tensorflow-gpu匹配的，但是我也不知道该安装什么版本的keras，直接用命令 pip install keras 安装的是最新版本，这是不行的，应该安装较低版本的keras,我尝试了一下，安装keras 2.3.1成功了，
使用命令
pip install keras==2.3.1

使用如下命令查看是否调用gpu