1、打开cmd，激活tensorflow-gpu的虚拟环境，进入python环境。
2、用命令tf.test.gpu_device_name()查看可用的tensorflow-gpu的设备号有哪些，如下图所示，说明t髫潋啜缅ensorflow-gpu不能使用，接下来需要一一排查到底哪里出了问题。
3、首先查看NIVDIA显卡是否工作，用命令nivdia-smi查看是否能显示出GPU信息，如果有问题界面会提示无法启动显卡。
4、接着排查一下看看cudnn是否有问题，在cm蟠校盯昂d命令行中输入nvcc -V查看版本号信息。如果没有问题会显示版本号信息，有问题可以重新下载一个cudnn库，然后在cuda中把相应的文件进行替换。
5、如果以上都没有问题但是tensorflow-gpu依然不能启动，那么就需要处理的是版本号对应的问题如下图所示为版本号的对应情况。
6、还需要解决的一个问题就是NIVDIA驱动和电脑显卡型号的对应情况，在NIVDIA官网中找到自己电脑显卡驱动，以及确定该驱动支持的CUDA版本号。
7、以上如果都没有问题，那么tensorflow-gpu就会启动成功，如下图所示tensorflow-gpu启动成功，程序运行的时候会显示GPU信息。
