由于默认位置在C盘，嘎嘎的都下载到C盘，一不小心C盘只剩1MB，紧急扩容。然后再想办法修改docker默认存储位置，通过查找资料，将步骤记录如下：
wsl --list -v
要确保两个状态都是stopped，上面就是有个还在running，就要查找到相关进程并停止掉。
wsl --export docker-desktop-data "E:\\docker-desktop-data.tar"
docker-desktop-data，这样C盘下的C:\Users\用户\AppData\Local\Docker\wsl \data\ext4.vhdx将会被自动删除
wsl --unregister docker-desktop-data
wsl --import docker-desktop-data "E:\\docker\\wsl" "E:\\docker-desktop-data.tar" --version 2
结束。
models:
链接：https://pan.baidu.com/s/1WLy4sIL4y8kqz5iXBhnhYw?pwd=d34r
提取码：d34r
3rd_party
链接：https://pan.baidu.com/s/1uVJm0eLEGhG5GMUShDkHFw?pwd=nzh5
提取码：nzh5
参考博客：OpenPose笔记–Windows+Cmake的pyhton接口编译（CPU_ONLY)_openpose cmake-CSDN博客
编译到此结束，如果以上文件都有，那么编译就成功了。
这里主要针对python使用，那么测试python代码导入，打开examples\tutorial_api_python\01_body_from_image.py，将相对路径修改成如下
不知道为什么，系统变量都改了，还是导入失败，那么用替代方案，把build_GPU/bin下面的所有文件、build_GPU/x64/Release下面的openpose.dll都放到build_GPU/python/openpse/Release中，
再次运行，python 01_body_from_image.py，成功！
首先是GPU版本的安装问题，这个问题比较复杂，既跟python版本有关系，也跟系统平台有关系，最好的解决方法是用conda重新安装
conda create -n tf_gpu tensorflow-gpu
conda会自动处理各种依赖关系，省去了很多烦恼
二是导入tensorflow报错：module ‘numpy’ has no attribute ‘str’.
解决方案是降级： pip install numpy==1.23.4
还有问题是： module ‘tensorflow.keras.layers’ has no attribute ‘Rescaling’
这是由于tensorflow版本的问题，一个api方法写法变了，新版的如下：
layers.experimental.preprocessing.Rescaling
以后怎么改还不知道，当前是1.26.0版本
还有问题： No module named ‘tensorflow.python.trackable’
这个问题可以下载tensorflow源码，里面有trackable文件夹
还有问题：无法导入keras
经过仔细检查和文档校对，有以下几点是安装过程中新弄明白的：
2. gpu版本与cuda版本有对应关系，否则，即便安装了gpu版本的tensorflow，也无法调用gpu，对应关系也并非一一对应，有一个大致范围，英文版文档比中文版文档更加新，里面有写最新的2.16.1，Build from source on Windows | TensorFlow (google.cn)
3. windows下用gpu版本的tensorflow，官网说的最简单的办法是用docker，测试下来，其实也很麻烦，首先是安装wsl，然后安装docker-desk，然后再设置绑定wsl，接着要安装wsl版本的cuda以及cudnn，然后再拉取对应版本的tensorflow，然后运行，所有这一切做完了，以为大功告成了。结果还是不支持。应该还是版本问题，但是很明显，这样操作太麻烦了。
我的方案是用tensorflow-gpu==2.10.0，这是最后一个支持gpu的windows单独编译版本,官网上对应的cuda是11.2，实测11.7也是没有问题，cuDNN官网是8.1，实测8.8也是没有问题。最终不懈努力，终于识别了GPU。
4. keras官网上写道：From TensorFlow 2.0 to 2.15,doing pip install tensorflow will also install the corresponding version of Keras2. Tensorflow 2.16，将会自动安装Keras 3.