conda安装tensorflow-gpu简洁版_笔记本的垃圾显卡也能装Tensorflow GPU版，简明教程

有图有真相，先看最后安装效果

首先关于硬性条件，Tensorflow要求的条件如下：

CUDA® 计算能力为 3.5 或更高的 NVIDIA® GPU 卡

这是什么概念呢？在英伟达官方给出的显卡算力列表中，台式机独立显卡大体而言≥750TI的显卡算力均满足要求，有个别例外。对于笔记本显卡来说，≥830M的显卡算力满足要求。

本人的笔记本显卡是940MX，系统环境是WIN 10。

那么安装开始：

第一步：由于tensorflow支持的python版本为3.4-3.6，已有这些版本集成环境的同学可以忽略这一步。以安装3.6版本Python集成环境为例，Anaconda版本与Python版本对应列表如下：

即使用3.6版本Python的最后一代Anaconda版本是Anaconda3-5.2.0，大家可以在清华开源镜像上下载该版本的Anaconda，安装时注意添加环境变量打钩。

第二步： 安装Visual Studio 这一步大家可能有疑问，为什么要安装这个，原因很简单：下一步安装英伟达显卡支持于科学计算的CUDA需要Visual Studio的支持，这一步在很多教程中写的并不清楚。

只需要安装Visual Studio的核心部件，其他部分无需安装，在这里放一个可用连接，也可以去Visual Studio官网下载。

第三步：安装CUDA 此部分比较简单，直接去英伟达CUDA的网站下载即可。唯一需要注意的是要选择CUDA 9.0。下载后直接安装，安装过程涉及到显示部分可能会闪屏，正常现象。

CUDA Toolkit 10.1 Download​developer.nvidia.com

第四步：安装cudnn，cudnn是用于加速训练深层神经网络。下载cudnn需要注册一个账号并同意开发者协议，然后选择for CUDA 9.0的版本即可。

NVIDIA cuDNN​developer.nvidia.com

cudnn的安装比较特殊，你所下载的是一个压缩文件，里边有三个文件夹，复制这三个文件夹中的文件粘贴到cuda目录下同名的文件中即可。cuda的根目录有可能和你选择的安装路径不同，可以在系统的环境变量中查到，环境变量中Cuda Path的路径即为cuda目录。

第五步：在cmd中或在Anaconda Prompt中，输入以下代码，创建Tensorflow环境

conda create -n tensorflow python=3.6

然后激活环境

activate tensorflow

然后安装Tensorflow GPU版本

conda install tensorflow-gpu

第六步：测试

在命令行下输入activate tensorflow 进入之前建立的安装有TensorFlow 的conda 环境，再输入python

进入Python 环境，逐行输入以下代码：

import tensorflow as tf

tf.enable_eager_execution()

A = tf.constant([[1, 2], [3, 4]])

B = tf.constant([[5, 6], [7, 8]])

C = tf.matmul(A, B)

print(C)

如果能输出如下结果

tf.Tensor(
[[19 22]
[43 50]], shape=(2, 2), dtype=int32)

证明安装已经成功！