最近剛剛在學tensorflow2，因爲自己的顯卡不很渣是mx130的，但是又想跑gpu，從官網上找了一下CUDA 發現沒有自己的顯卡型號，瞬間感覺涼涼，但是又不死心又從官網上找了一下MX130自己的相關信息，發現他支持CUDA，於是就抱着試試看的心裏安裝了cuda10.1版本結果安裝的時候可以，但是隻要import tensorflow的時候就各種報錯。於是我就試了一下cuda10.0版本結果成功了！超級開心！這裏就不詳細寫安裝步驟了，只是把一些關鍵的地方寫一下，剩下的大家上網上搜一下一般的教程就可以，都一樣。
以下是要注意的地方。
（1）MX130的驅動一定要下載最新的，否則可能不行。
（2）安裝cuda的時候一定要選擇10.0版本的，不能選10.1版本的否則不行。（特別重要，我自己親自試驗的）
cuda的網站：https://developer.nvidia.com/cuda-toolkit-archive
（3）安裝cuda的時候他會自動檢測你的系統是否符合，如果符合就進入下一步，當選擇安裝模式的時候一定要選擇自定義模式，在自定義模式下要這樣選擇：
要是沒有特別的需求不要安裝visual Studo，否則容易報錯！
（4）cudnn的選擇一定要選擇與cuda相匹配的版本
cudnn網址：https://developer.nvidia.com/rdp/cudnn-download（這裏需要註冊，隨便註冊一個就可以）
下載畫紅圈的那個版本。
（4） cudnn下載完成以後解壓，然後把文件裏的cudn文件夾改名成cudnn，然後拷貝到c盤這個路徑（如果你也是默認路徑的話會跟我一樣）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0複製完成後就是下圖這樣：
（5）安裝完成後注意要配置環境變量！在安裝的時候已經幫我們配置好了兩條（圖中紅圈部分是已經配置到的），我們只需要配置另外兩條並且要把他們置頂，分別要配置圖中黃色部分的內容（如果你也是默認的地址，那麼配置的地址應該跟我是相同的）
安裝完成後就可以用tensorflow2的gpu版本了！
這個是測試代碼：（這是一個矩陣計算：分別用CPU和GPU進行計算，很明顯的可以看出gpu比CPU快2600多倍）
import tensorflow as tf
import timeit
with tf.device('/cpu:0'):
cpu_a =tf.random.normal([10000,1000])
cpu_b =tf.random.normal([1000,2000])
print(cpu_a.device,cpu_b.device)
with tf.device('/gpu:0'):
gpu_a =tf.random.normal([10000,1000])
gpu_b =tf.random.normal([1000,2000])
print(gpu_a.device,gpu_b.device)
def cpu_run():
with tf.device('/cpu:0'):
c = tf.matmul(cpu_a,cpu_b)
return c
def gpu_run():
with tf.device('/gpu:0'):
c = tf.matmul(gpu_a,gpu_b)
return c
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup: ',cpu_time,gpu_time)
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time: ',cpu_time,gpu_time)
結果圖：
希望我的博客對大家有幫助！