windows安装tensorflow2的CPU和GPU版本

1. 安装anaconda（以python3.7.0为例）
   /参考博客地址

2. 安装虚环境

(1) 查看所有虚环境

conda info --envs

# conda environments:
#
base                  *  C:\ProgramData\Anaconda3

(2) 安装虚环境

# 注：tf-gpu-260是虚环境的名称
conda create --name tf-gpu-260 python=3.7.0

(3) 进入虚环境

activate tf-gpu-260

(4) 退出虚环境

deactivate
或者
conda deactivate

(5) 删除虚环境

conda remove --name tf-gpu-260 --all

3. 在虚环境中安装tensorflow

（1）进入虚环境

activate tf-gpu-260

（2）查看本机支持哪些tensorflow版本

conda search tensorflow-gpu
或者
conda search tensorflow

（3）查看tensorflow各个版本依赖的环境
查看版本依赖


（4）conda安装tensorflow（注：conda方式安装tensorflow的GPU版本，系统会自动根据机器环境安装相应的CUDA和cuDNN）

# 安装gpu2.6版本
conda install tensorflow-gpu==2.6.0
# 安装cpu2.6版本
conda install tensorflow==2.6.0

（5）pip 安装tensorflow（注：如果conda安装慢，可以选择pip引用镜像的方式安装。pip不会自动匹配基础依赖包，需要自行安装cudatoolkit和cudnn两个包）

# 安装gpu2.6版本
pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
conda install cudatoolkit=11.3.1（版本号查询使用命令conda search cudatoolkit）
conda install cudnn=8.2.1（版本号查询使用命令conda search cudnn）
# 安装cpu2.6版本
pip install tensorflow==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

（6）在虚环境中进入python环境测试tensorflow-GPU是否安装成功

import tensorflow as tf
gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)
tf.test.is_gpu_available()

#  /device:GPU:0
#  True

4. 使用虚环境

（1）在原始环境中安装插件和ipykernel（在jupyter中可以选择环境）

conda install nb_conda
conda install ipykernel

（2）虚环境中安装ipykernel

activate tf-gpu-260
conda install ipykernel

注：一般会使用Matplotlib包，虚环境中没有这个包，需要手动安装！！！

# 因为安装ipykerner时conda会自动升级，再使用conda安装其它包时可能会报错，建议使用pip命令安装
pip install matplotlib