Tensorflow-gpu安装超详细！！！

在安装Tensorflow之前，首先我们需要准备一些东西。
Anaconda安装包、Anaconda换源文件等等。
若是不想去官网下载，我会在文章最后给出百度云链接。

对自己显卡没有信息的可以先去NVIDIA官网查一下自己显卡的算力，推荐算力≥3.5以上安装

查询链接

1. 第一步就是安装Anaconda.
   在Anaconda安装开始选择Next，然后再是 I Agree
   在选择安装类型的时候一般选择Just Me，这也是官方推荐的。然后点击Next
   
   然后再是选择安装路径，在选择路径的时候，是不一定需要安装到C盘的，可以自定义路径，最好能够放到自己熟悉的路径，后续还会用到。选择完继续Next
   
   在最后安装之前，还有最后一步，高级选项。这里两个都要勾选。第一个是让Anaconda自己为我们添加环境变量，减少我们的负担。第二个是选择将3.8作为默认的python版本。然后选择Install
   最后Anaconda安装完成，选择Finish
   这一步完成以后，Anaconda算是成功了。
   最后可以使用Win+R调出cmd
   输入conda -V，可以看到Anaconda的版本号，即为Anaconda安装成功！

2. 第二步，对Anaconda和Python进行换源
   在cmd中输入conda config --set show_channel_urls yes在C盘用户目录下会生成.condarc文件。
   然后使用记事本打开，用下面的内容将其替换，或者在后面的云盘内下载进行替换即可。

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirror.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud

最后保存，然后在CMD中输入conda clean -i，此时Anaconda已经换源成功！

接着是Python换源，在CMD中输入
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple即可换源成功！

3. 在安装Tensorflow-gpu之前，我们需要安装cuda和cudnn等。对于Tensorflow的gpu版本最重要的是配方（CUDA、cuDNN、Tensorflow版本的搭配）。
   下面给出CPU、GPU版本的版本搭配：
   CPU：
   
   GPU：
   
   通过上述图表可以确认自己所需要的各个版本的搭配！切记一定要根据上述图表来进行安装！
   如果没有找到最新版本，可以参见文档最后
   确定好自己所需要的版本之后，正式安装开始！（我以2.1.0版本为例）
4. 使用Anaconda来创建环境
   这里环境名称命名为tensorflow，在CMD中输入conda create -n tensorflow python=3.7，输入y进行确认
   
   当看到如下图所示，表明虚拟环境已经创建成功！
   
5. 安装CUDA
   在我们的具体使用中，其实真正需要的并不是整个CUDA，而是cudatoolkit，所以我们在这里直接安装cudatoolkit，不需要再下载3个多G的CUDA来本地安装。
   先在CMD中输入activate tensorflow以激活环境在目录左侧会显示虚拟环境名称。
   
   再输入conda install cudatoolkit=10.1，见下图，即cudatoolkit（CUDA）安装完成（此版本号只是举例，实际按需求更改）
   
6. 安装cuDNN
   在激活的环境里输入conda install cudnn=7.6，见下图情况，表明已经安装成功！
   
7. 安装tensorflow的GPU版本
   安装Tensorflow和CUDA、cuDNN的方式稍有不同,CUDA和cuDNN是使用conda命令下载，Tensorflow是通过pip下载,同样在激活环境中输入pip install tensorflow-gpu==2.1.0,等待下载完毕，即安装成功，如下图所示，即表明安装成功!
   

至此，Tensorflow的GPU版本已经安装成功，现在需要测试可用不可用。
在激活环境中输入python以进入python环境。
然后输入import tensorflow as tf可见如下：

再输入tf.test.is_gpu_available()，若最后为True表示GPU可用，证明已经成功安装Tensorflow的GPU版本，如下图：

大功告成！

最后附上所需要的资源文件：链接 提取码: pbss
后面还会出一期我遇到的一些常见的错误。
如有疑问，可以在留言区进行评论，会抽空回复！谢谢各位！