2017年9月更新： 没有问题和烦恼的话，没有办法做到 。我一直努力尝试着，甚至运用下面的技巧来强制运行，但最后我不得不放弃。 如果您对Tensorflow持认真态度，请继续购买3.0计算能力的GPU。

这是一个强制tensorflow在2.0计算能力GPU（非官方）上运行的技巧：

1. 在Lib / site-packages / tensorflow / python / _pywrap_tensorflow_internal.pyd中找到文件（或Lib / site-packages / tensorflow / python / _pywrap_tensorflow.pyd）

2. 用记事本++或类似的方法打开它

3. 使用正则表达式搜索3\.5.*5\.2的第一个匹配项

4. 您看到3.5 * 5.2之前的3.0，将其更改为2.0

我如上所述进行了更改，可以使用GPU进行简单的计算，但是在尝试实际项目时会陷入奇怪和未知的问题（那些项目在3.0计算能力的GPU上运行良好）

Tensorflow的最新GPU版本需要3.5或更高的计算能力 （并使用cuDNN来访问GPU。

cuDNN 还需要cc3.0或更高版本的GPU ：

带有Pascal，Kepler，Maxwell，Tegra K1或Tegra X1 GPU的Windows，Linux和MacOS系统都支持cuDNN。

• 开普勒= cc3.x
• 麦克斯韦= cc5.x
• 帕斯卡= cc6.x
• TK1 = cc3.2
• TX1 = cc5.3

cuDNN不支持Fermi GPU（cc2.0，cc2.1）。

cuDNN也不支持较旧的GPU（例如，计算能力1.x）。

请注意， 从来没有任何版本的cuDNN或任何版本的正式支持小于cc3.0的NVIDIA GPU。 cuDNN的初始版本始于需要cc3.0 GPU，而TF的初始版本始于需要cc3.0 GPU。