cuda11.1 cudnn8 python3.8环境下编译的 TensorFlow2.3.1 gpu 版本 针对30系列显卡 算力8.6 重新编译了一下 支持6.1,7.0,7.5,8.0,8.6这5个算力的显卡

问题 我们使用anoconda创建envs环境下的Tensorflow-gpu版的，但是当我们在Pycharm设置里的工程中安装Keras后，发现调用keras无法使用gpu进行加速，且使用的是cpu在运算，这就违背了我们安装Tensorflow-gpu版初衷了。 原因 因为我们同时安装了tensorflow和tensorflow-gpu（在…Anaconda3\envs\fyy_tf\Lib\site-packages中可以找到他们的文件夹），使用keras时会默认调用tensorflow，从而无法使用GPU进行训练。 解决方法 同时卸载tensorflow、tensorflow-gpu 和

spp是个非常好用的扩展层，但在github上下载的源码不适用tensorflow-gpu-2.0以上版本，此版本在原版基础上进行了修改，并进行了适当优化，能够适应最新版本的tensorflow。

CUDNN11.3的安装包，解决英伟达官方过慢且需要登录导致无法下载 配对TensorFlow请使用2.4起步 我使用的是TensorFlow2.4.1

windows10下最新 TensorFlow GPU版 C++ 运行库编译成功-附件资源

该文件为安装GPU版本tensorflow2.0过程中会报错的缺失文件，直接下载本文件，到提示找不到该文件的路径文件夹下，即可以正常运行了

最新版TensorFlow gpu版，需要下载CUDA9.0，以及cuDNN相应版本。

适用于无法在线安装深度学习TF框架的童鞋们，把 解压出来的所有包安装一遍就可以了

Ubuntu下Linux的二进制安装包，供有需要的朋友下载。本安装包适配GPU版本、Python3.6、Ubuntu系统，Tensorflow1.14版本。

tensorflow_gpu-2.4.0-cp38-cp38m-win_amd64.whl，本文件为python3.8版本对应的tensorlow的gpu版本的轮子文件，可以通过pip 安装