【耗时两天两夜】安装TensorFlow-gpu+CUda+cudnn+python环境集成踩过的坑集合

【由于博主摸索整个环境的集成耗时整整两天之久，并没有在探索过程中截图，所以本文图片信息会很少，但是博主会用文字描述所有可能遇到的问题，如果在自己安装过程中，遇到任何问题，都可以在本文留言或者私信我，尽力解答。】
TensorFlow-gpu在win10下的环境集成非常复杂。总结成一点就是：一定要注意cuda和TensorFlow-gpu的版本对应，这个非常重要。

博主最终实验成功的集成是：python3.6+GTX950m+cuda9.0+cudnn7.5.0+tensorflow1.10.0
如果无法实验到合适的版本，可以试试我提供的这个套装集合。
集成顺序：
1.安装python3.6
2.安装TensorFlow1.10.0,我用了pip+清华的镜像。
3.在cmd中导入tensoflow，然后看是否报错，博主提示报错缺少cuda
补充：需要在TensorFlow官网上查看，版本对应：
https://www.tensorflow.org/install/source_windows

4.安装cuda9.0，以及对应版本的cudnn。
此处有大坑：cudnn一定要自己亲自去官网下，任何网站的便捷资源都不一定适合你的cuda版本。**

！！！！此处必看！！！采坑两天的总结。

**
cudnn官网链接贴出，这需要注册英伟达账号，虽然繁琐，但是一定要在这里才能找到对应的版本。
https://developer.nvidia.com/rdp/cudnn-archive#a-collapse750-10
补充：cuda我安装了9.0版本，并且安装的时候，选择了自定义安装，只去除了vs环境没有安装，其他全部安装了。（此处仅供参考）
5.将cudnn的三个文件包添加到cuda对应的文件夹中。
文件夹一定要对应好

6.安装到这里，基本就完成一大部分了。
现在就可以顺利导入tensorflow。

只要能顺利导入，基本就完成了90%。
博主耗时两天，也是大部分时间都卡在cuda和TensorFlow的版本不对应。这个是关键点，在win10下版本对应非常重要。

7.在pycharm中使用的时候还有几个小坑：
1、numpy和kearas最好在TensorFlow安装之前安装，否则可能出现跑程序的时候，报错版本不一致。
2.我安装了1.10.0相兼容的keras2.2.0。版本可以参考这个。
3.cmd中使用pip升级numpy，我升级到了1.18.0
8.跑程序

会提示很多furtherwarning，是版本更新的问题。但是可以运行程序。
最终成功跑通程序：

总结：就是在win10下安装gpu版本一定要注意版本对应，这是最重要的一点。