关于在anaconda的虚拟环境中安装tensorflow_gpu的安装步骤，及常出现的一些问题

0. 前言，安装tensorflow_gpu

0.1. 启动Anaconda Prompt
创建环境

conda create -n 环境名 python=版本号(例3.8)

或

conda create -p 指定环境路径 python=版本号

待完成之后，可通过以下命令查看现有的虚拟环境

conda info --env

0.2. 安装tensorflow
进入刚才创建好的虚拟环境

conda activate 环境名(或环境路径名)

根据自己电脑的配置安装对应版本的tensorflow，详见tensorflow官网tensorflow官网安装及版本指南

pip install tensorflow_gpu==版本号

等待安装完成即可输入以下代码进行验证
0.2.1.进入python编辑

python

可输入exit()退出python编辑
0.2.2. 导入tensorflow包

import tensorflow as tf

0.2.3. 检查gpu是否可以被tensorflow使用

tf.test.is_gpu_available()

若没问题，则会输出True

1. 报错 …protoc>=3.9.0

若在输入0.2.2. 命令后出现此问题，则执行代码

exit()
pip install protobuf==3.9.0

待完成后即可

2. 报错 Could not load dynamic library ‘cudart64_110.dll’; dlerror: cudart64_110.dll not found

若在输入0.2.3. 命令后出现此问题，说明缺少cudattoolkit，则执行代码，

conda search cudatoolkit

查看conda库中的可安装资源，并根据规则：tensorflow要求版本<=可安装资源<=本机cuda版本，来选择安装

exit()
conda install cudatoolkit=版本号

3. 报错 Could not load dynamic library ‘cudnn64_8.dll’; dlerror: cudnn64_8.dll not found

若在输入0.2.3. 命令后出现此问题，说明缺少cudnn包，则执行代码，

conda search cudnn

查看conda库中的可安装资源，同样，并根据规则：tensorflow要求版本<=可安装资源，来选择安装

conda install cudnn=版本号

待安装完成后即可