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：
- tensorflow在windows下从2.11开始不再支持gpu构建，这个在configure.py文件中有说明
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.