Anaconda安装tensorflow-gpu小记

1 安装Anaconda

可以参考这篇文章链接: windows下配置安装Anaconda+tensorflow.基本上一路next就完事了，比较简单。
总之记住版本首选稳定版，组件之间版本号必须契合才能work。

2 安装tensorflow-gpu

如果你的设备有GPU硬件，那么推荐直接安装tensorflow-gpu版本跳过cpu版本。

2.1 确定tf组件之间的版本

点击下方的链接去tensorflow官网找到你的python适合的tf版本、cuda版本以及cuDNN版本（后两个是nvidia公司为tf特别推出的驱动程序和硬件加速套件）。
TF中文官方网站.
往下翻找到从源代码构建，有一个表格展示了tf、python、编译器、构建工具、cuDNN以及CUDA组件之间的搭配关系。
然后从下面两个链接去下载CUDA和cuDNN。
CUNA下载链接（PS：可以下network版本）
cuDNN下载链接（PS：下这玩意的时候费了点时间注册，有点麻烦，话说为什么不弹出个按钮让用户选择是否愿意登陆呢？）

2.2 安装CUDA和cuDNN

安装CUDA的过程可以参考python学习——Anaconda及TensorFlow-GPU版本安装，除了选择自定义还是精简的时候要把Visual Studio Integration和Driver components勾选去掉再安装之外，基本上也是一路next（尽量不要改路径）。
在安装完CUDA10.0后，把下载好的cuDNN解压后，里面的bin,include,lib三个文件夹直接复制到目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\下即可。
接着添加环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
放到Path里。

2.3 使用anaconda prompt创建新的python环境

一般来说会新建一个专门用于tf开发的环境来避免和base环境发生冲突，其次也可以在版本更迭时发生意外时（还想问为什么的可以看这里），体现了系统之间低耦合度的理念。

conda create --name tfenv python=3.5

也可以在Anaconda Navigator中点击创建，如下图。

然后在prompt中**新建的环境

activate tfenv

接着再安装tensorflow就可以了

python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.1.0

3 测试

直接在prompt中**安装tf的环境后键入python打开之，然后输入以下代码

import tensorflow as tf
# 如果tf版本是2.X的使用下面一句话
# import tensorflow.compat.v1 as tf

hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess=tf.compat.v1.Session()
print(sess.run(hello))

如果出现下面的提示则安装成功了。