搭建win10+anaconda3+tensorflow(GPU版本)开发环境

一、下载安装anaconda

推荐到清华镜像站下载anaconda，下载后按照提示一步步安装即可。安装过程中，这里提个小建议，下图的第一个框不要勾选，等安装完再手动添加anaconda的环境变量。具体做法是将anaconda安装目录下的Script文件夹路径添加到系统环境变量(path)即可，不明白的可以百度。

二、安装cuda和cudnn

1.查看自己电脑的显卡和支持的cuda版本

2.下载安装cuda

到 英伟达官网下载对应版本的cuda：

下载完成后，到控制面板->卸载程序中，将原有的NVIDIA驱动全部卸载，即有下面这种绿色图标的：
卸载完毕后，重启电脑。然后开始安装cuda，按照提示一步步安装即可，这里提个建议，就是下面这步选自定义，这样可以修改安装路径，选精简的话默认安装到C盘中了。

没有意外的话，cuda就算是安装完毕了。

3.安装cudnn

首先，到官网下载与cuda版本对应的cudnn，可以参考如下图片：（注意，下载cudnn需要登录NVIDIA账号，没有的注册一个即可，很简单）

下载完毕后，将cudnn压缩包解压，得到如下三个文件夹：

然后将这三个文件夹复制到cuda的安装目录下：

至此，cuda和cudnn安装完毕。

三、安装tensorflow-gpu

1.更换conda源和pip源

更换conda源的目的是为了以后下载文件更快，具体做法可以百度，也可以按照下方命令在anaconda prompt中逐行运行来更换为清华源：（可以参照observador 博主的这篇文章）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/

conda config --set show_channel_urls yes

同理，更换pip源，参照Chaser_LittleBee 博主的这篇文章。

2.安装tensorflow

首先，打开anaconda prompt，输入如下命令创建一个名为”tensorflow-gpu“的虚拟环境：

conda create --name tensorflow-gpu python=3.6
# 或者
conda create -n tensorflow-gpu python=3.6

然后，激活该虚拟环境：

activate tensorflow-gpu

升级pip到最新版，防止安装时出现错误:

python -m pip install --upgrade pip

接着，输入如下指令安装GPU版本的tensorflow：

pip install tensorflow-gpu==1.13.0

补充：后来改用2.1.0了，命令改为如下：

pip install tensorflow-gpu==2.1.0

上面的tensorflow版本参照如下图片：

若碰到类似清华源的url没有所选tensorflow的版本的错误时，根据提示更换为有的版本即可。

3.验证是否安装成功

首先进入tensorflow-gpu虚拟环境，然后逐行运行以下命令：

import tensorflow as tf
hello = tf.constant('Hello, Tensorflow!')
sess = tf.Session()
print(sess.run(hello))

不出意外的话，会输出：

b' Hello, Tensorflow

说明安装成功。
补充：2.1.0版本验证方法：

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant('hello,tensorflow')
sess= tf.compat.v1.Session()
print(sess.run(hello))

需要说明的是，高版本的tensorflow对“sess = tf.Session()”命令可能会报错，原因是替换成了其他写法。由于本人也是小白一枚，在此就不作说明，感兴趣的可自行百度。