如何重头通过conda安装tensorflow-2.10-GPU版本，配置环境

前后总共配置了三次tensorflow GPU版本，每次都刻骨铭心，这下子要好好做个笔记了！！

1-核查驱动是否正常

cmd命令

nvidia-smi

如果有显示，则说明ok，记得版本要大于450

如果没有就去下载，链接如下：

Official Drivers | NVIDIA

第一步：通过conda创建一个新的虚拟环境，采用python3.10版本

conda create -n tf210 python=3.10

第二步：首先安装依赖包，（因为之前我先安装tensorflow在安装依赖包，总是出现版本不匹配的问题）推荐使用阿里镜像，实测是真的快

(tf210) pip install matplotlib pandas notebook scikit-learn -i https://mirrors.aliyun.com/pypi/simple/

第三步：安装tessorflow2.10版本，也同样使用镜像源，也可以直接为pip配置默认镜像源

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
(tf210) pip install tensorflow==2.10

第四步：我参照要求去下载tensorflow对应的cudnn与cudatoolkit版本，但是默认的conda源并灭有找到相应的版本。
(tf210) conda install cudnn=8.1  找不上这个版本
(tf210) conda install cudatoolkit=11.2  找不到这个版本

可以使用 conda search cudnn 查看它能找到那些版

找不到以后，我就使用默认的

(tf210) conda install cudnn  

结果它会默认的安装

（cudnn=8.9.2.26 cudatoolkit=11.8.0 总共 1G）

然后就可以使用了，

总结，依赖包和tensorflow我采用pip安装，cudnn和cudatoolkit采用conda安装（因为pip没有）

可能我采用的默认，其版本会随着更新有变换，所以我将我的版本实例如下：

tensorflow                2.10.0

matplotlib                3.8.3

notebook                  7.1.2

pandas                    2.2.1

scikit-learn              1.4.1.post1

cudatoolkit               11.8.0   
cudnn                     8.9.2.26

超级省事的配置TensorFlow 2.10环境 可以使用我提供的yaml文件

直接一手

conda env create -f tf210_environment.yaml