基于 anaconda 安装多个 TensorFlow-gpu

版本介绍：
    ① Visual C++  2005 2008 2010 2012 2013 2015-2019 
    ② anaconda 2019.07  python = 3.7.3

    ③ 安装tensorflow-gpu的环境有：

      envs：
            tensorflow_gpu_1.14  python = 3.7.6  tensorflow-gpu = 1.14   cuda =10.0.130      cudnn = 7.6.5
                       
            tensorflow_gpu_2.1  python = 3.7.6  tensorflow-gpu = 2.1     cuda =10.1.243      cudnn = 7.6.5 
      base:
            python = 3.7.3  tensorflow-gpu = 1.14   cuda =10.0.130      cudnn = 7.6.4

前提：最好有梯子上网（没有可以换一些国内的镜像源）

          Visual  包，地址：Latest supported Visual C++ Redistributable downloads | Microsoft Learn

0、安装anaconda 

       下载： Free Download | Anaconda  官方

        镜像： Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

1. 查看环境

conda env list
2. 删除环境

conda remove -n XXXX --all
3. 创建环境

conda create -n XXXX pip python=3.6 
4. 激活环境

conda activate XXXX
5.退出环境

conda deactivate 

        换一下源：

             1）首先生成 换源文件 【2020-06月】3 个 Anaconda 国内开源镜像站                 

                   命令行中直接使用以下命令，生成配置文件 C:\Users\我们的用户名\.condarc 

conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/msys2
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/bioconda
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/menpo
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/simpleitk

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

                    有时候国内镜像源无法连接，需要恢复原来的源：

conda config --remove-key channels

1、查看anaconda有哪些虚拟环境

conda env list

      这里只有‘家’目录 

2、创建虚拟环境

      创建虚拟环境：tensorflow_gpu_1.14      解释器用的是  python 3.7  / 3.6

conda create -n tensorflow_gpu_1.14 pip python=3.7

      运行：

      安装完毕

3、激活环境

conda activate tensorflow_gpu_1.14

4、安装TensorFlow-gpu 1.14  

      tip：使用 anaconda 社区命令安装TensorFlow-gpu，优点在于其会自动安装 cuda cudnn 等相关联的包

             地址: Tensorflow Gpu :: Anaconda.org

      a、 执行安装命令

conda install -c fwaters tensorflow-gpu=1.14            # 需要带上版本号，否则可能下载的是最新版的TensorFlow-gpu

            中途网络波动可能会导致某些包下载失败，解决方式：

                   解决方式一：tensorflow-GPU版本安装教程（过程清晰一目了然，看完变大佬）_tensorflow-gpu 1.9.0安装-CSDN博客

                   解决方式二：重新执行安装命令，conda将删除损坏的包，重新下载哪些没有下载的包

            下载相关联的包（包括cudnn、cuda），网不好速度可能会很慢，耐心等待 ..... 

      b、安装 conda基础包

注意：务必注意一点，在安装完tensroflow后，由于我们是新创建的conda环境，该环境中基本上是空的，有很多包和IDE并没有安装
进来，例如“Ipython”，“spyder”此时如果我们在该环境下打开spyder/Ipyton/jupyter notebook等，会发现其实IDE使用
的kernel并不是新建立的这个环境的kernel，而是“base”这个环境的，而“base”环境中我们并没有安装tensorflow，所
以一定无法import。这也就是为什么有很多人在安装好tensorflow后仍然在IDE里无法正常使用的原因了。

通过以下命令安装Anaconda基础包

conda install anaconda

     c、验证 

                ....... 

     d、将tensorflow-gpu环境导入到Pycharm中

          将tensorflow-gpu环境导入到Pycharm中

     e、代码验证

import tensorflow as tf
import numpy as np
print(np.array([1,2,33,5]))
sess = tf.Session()
a = tf.constant(1)
b = tf.constant(2)
print(sess.run(a + b))

5、安装其他的TensorFlow 版本需要重新创建 虚拟环境，重新执行上述步骤即可

问题总结：

•      1、1.14 版本的tensorflow 安装后运行时警告

              原因：   numpy 版本过高了，将 numpy降级就可以了，import numpy as np -> print(np.__version__)，我的

                           是tf-1.14.0,np-1.17.1,将np 改为 1.16.0 版本即可

             命令执行：

1、【推荐】使用conda命令降级numpy的版本（因为新环境numpy是conda安装的，使用conda命令降级比较彻底）
    conda install numpy=1.16.0
    执行conda命令时不需要事先卸载已存在的numpy版本，直接更新降级即可
2、使用pip 更新降级
    pip install -U numpy==1.16.0

•      2、虚拟环境中python使用在cmd中正常使用，用pycharm可能出现  not find cudn 类似的错误 错误

             原因：cudnn / cuda 环境变量的问题

             解决方式：

                      第一种解决思路： 使用某一个版本，不停更改环境变量

                      第二种解决思路：使用 pycharm 2019.3.4 之后的版本（前面没测试过），可以解决 not find cudn 类似的错误

                    

二、base 路径 下安装tensorflow-gpu

            和上诉过程一样，只是不需要创建虚拟环境，这里我选择使用 pip 命令（清华源、阿里源） 安装tensorflow：

                             tensorflow安装 aliyun

           但是 cudnn cuda 就需要自己来下了，当然环境变量需要手动来配置，具体方法参考：

                            https://www.cnblogs.com/guoyaohua/p/9265268.html#3%E5%AE%89%E8%A3%85tensorflow-gpu

参考：

  1、 https://www.cnblogs.com/guoyaohua/p/9265268.html   --------------  win10 Anaconda 安装 tensorflow-gpu

  2、tensorflow-GPU版本安装教程（过程清晰一目了然，看完变大佬）_tensorflow-gpu 1.9.0安装-CSDN博客    ---------- tensorflow-GPU版本安装教程（踩坑大全)

  3、将tensorflow-gpu环境导入到Pycharm中

  4、https://www.cnblogs.com/guoyaohua/p/9265268.html#3%E5%AE%89%E8%A3%85tensorflow-gpu  ---- 大神文章