为了调用计算机的GTX1650显卡进行深度学习的模型和训练，需要先搭建好CUDA和cuDNN环境。此外，TensorFlow-gpu版本对python、CUDA和cuDNN的版本也有要求，安装前需要先确定好各个软件需要安装的版本。

提示：以下是本篇文章正文内容，下面案例可供参考

显卡信息：

显卡CUDA算力：

首先安装最新的显卡驱动，从NVIDIA驱动程序官网下载符合本机显卡的最新驱动，默认安装即可。

查看本机显卡支持的CUDA版本，打开NVIDIA Control Panel（NVIDIA控制面板），点左下角系统信息→组件，查看NVCUDA.DLL的系统版本，此为显卡支持的最高CUDA版本。

目前网上的教程大多要装CUDA9.0版本配合VS2015使用，但由于GTX1650显卡上市较晚，安装CUDA9.0时提示以下错误：

为了后续配合Visual Studio 2015和TensorFlow-GPU版本使用，选择CUDA10.0版本安装，进CUDA下载官网，下载离线包 将Base Installer下载下来，双击解压默认下一步安装即可。

若解压时提示Could not create file “C:\TEMP\CUDA1\GFExperience\chrome_elf.dll” 拒绝访问 错误，将电脑上的杀毒软件（360安全卫士）全部退出，再重新解压即可出现CUDA安装程序界面。 安装完成后应该会自动将CUDA安装位置添加到系统的环境变量中，可以打开设置→系统→高级系统设置→环境变量→系统环境变量，检查是否有下图红框处的环境变量，若没有，手动添加即可。

cuDNN版本 cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.0 登录上NVIDIA账号，下载zip包解压后，将对应文件夹的文件放到CUDA安装路径下的对应文件夹里即可。 将其中’bin‘中的’cudnn64_7.dll‘拷贝到cuda10.0安装路径下的bin文件夹中，cuda对应的文件夹的路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin，如下图所示： 同样的，将cudnn中include下的’cudnn.h‘拷贝到cuda文件夹中的include的文件夹中（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include） ，cudnn文件中的’lib/x64’中的‘cudnn.lib’拷贝到cude文件中的’lib/x64’中（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64）。 至此完成了CUDA10.0和cuDNN的安装。

cmd里查看版本信息nvcc -V

cmd里输入nvidia-smi查看GPU运行时的监测界面 注：若安装的是CUDA9.0 ，在cmd中需进到以下路径（C:\Program Files\NVIDIA Corporation\NVSMI）执行nvidia-smi才能看到GPU的监测界面。

进入下面图片的路径（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite），然后按住‘shift’+鼠标右击，点击’在此处打开powershell窗口‘，输入： .\bandwidthTest.exe 返回Result=PASS 同理输入：.\deviceQuery.exe 返回：Result=PASS,说明CUDA安装成功了。 同时从上图的 CUDA Capability Major/Minor version number 行可以看到CUDA算力为7.5。

TensorFlow与python、CUDA、cuDNN、编译器环境的对应关系可参考官网的说明

Windows端地址：https://tensorflow.google.cn/install/source_windows 需要安装的是Windows TensorFlow-GPU版本，前面已部署好CUDA10.0环境，所以依据上表，选择安装TensorFlow-GPU 1.13.1版本，该版本支持python3.5-3.7，我们选择python 3.7版本。我们在安装anaconda的时候你并不知道会包含哪个版本的python，可以参考《anaconda python 版本对应关系》此篇博文的表来决定安装哪个版本的Anaconda。在Anaconda下载镜像站