win10系统下关于tensorflow-gpu版本以及sublime相关配置的问题解决

1. anaconda的安装

关于anaconda的主要用处在这里就不用多说了，经过长时间的使用anaconda和不使用anaconda的比较来看，我只能说，anaconda太香了。尤其在环境方面，在我这个稍微有些精神洁癖的人看来真的是顺畅无比。
anaconda的下载可以在官网下载，但由于下载速度实在有些慢的原因，推荐使用国内镜像源下载，比如清华镜像源。根据自己的意愿就行。
在下载完成anaconda安装的时候（下一步下一步），推荐勾选上添加进环境变量（path）这个选项，虽然默认不推荐勾选这一选项，说是有可能后续使用发生错误。但经过实际应用来看，其实没有什么影响，反而如果不选上的话在电脑终端上无法直接使用，在添加进环境变量确实有些麻烦，啊哈哈哈（其实懒是一方面，添加错误又是一方面）。

2. anaconda的基本使用

安装完成anaconda之后，在开始界面打开anaconda就会看见大概有5个软件（spyder、jupyter等等），顺便说一句，spyder确实也是一个不错的IDE，但在个人使用过程中发现多行注释这个操作稍微有些麻烦。

2.1 使用anaconda创建虚拟环境

打开电脑终端（一个黑色的框框），输入（conda env list）命令就可以查看当前anaconda的所有虚拟环境，现在只有一个base环境（基础环境），下面来创建一个新的环境，（顺便一说，所有环境在运行程序时是相互独立的）。
使用（conda create -n name python）就可以创建一个新的虚拟环境，其中name是自己想要创建的环境的名称，可以自己更改，python后面可以加上自己想要的python版本，例如（python=3.6.3）。

2.2 激活虚拟环境

使用（conda activate name）命令就可以激活对应的环境（name是想要激活的环境的名称）。如果只使用（activate）命令的话就会激活base环境。不管在哪个环境下，使用（conda deactivate）命令就可以退出当前环境。
红色框内部分说明已经进入到自己创建的环境中，我这个环境的名称为（test），大家可以自己创建。

2.3 删除虚拟环境

使用（conda remove -n name --all）命令可以删除对应的环境（name仍然是想要删除的环境的名称）。

3. 在anaconda环境中安装tensorflow-gpu

接下来我们要进入主题，在创建好的环境中安装tensorflow-gpu版本，在我们创建的环境中输入（conda install tensorflow-gpu），点击回车即可自行进行安装，它会默认加载当前环境中python版本对应的tendorflow-gpu版本，如果想要安装自己使用的版本，可在tensorflow-gpu后面加上对应的版本号（tensorflow-gpu==2.1.0），注意是两个等号。但是读到这里不得不打断一下，说明一个问题，就是tensorflow或tensorflow-gpu和python的版本也有一定的对应关系，比如现最新的python版本无法安装tensorflow1.x，为了解决这个不算问题的问题，我建议大家可以创建多个虚拟环境，将tensorflow-gpu和python的版本相对应，反正在虚拟环境中两个的版本可以自己指定，在这里就需要打击自己去网上搜一下两者的对应版本（很简单，网上一大堆，就不予展示了）。

3.1 安装tensorflow-gpu

它会自动查找到所需要安装的各种包，如图所示我们的tensorflow-gpu版本为2.1.0。最后按提示输入y即可进行安装。

3.2 CUDA和cuDNN的相关问题

在这里借用之前看过的一本书上的一句话：“TensorFlow主要是通过NVIDIA提供的CUDA和cuDNN来存取GPU的”，即tensorflow-gpu在使用GPU运算时需要通过CUDA和cuDNN当媒介。通常情况下如果想要使用GPU来跑深度学习的程序，需要下载自己电脑上显卡对应版本的CUDA，同时在NVIDIA官网上下载与CUDA相对应的cuDNN，很是头疼。这里就需要夸一夸anaconda的NB之处了（hiahiahia），它在虚拟环境下安装tensorflow-gpu的时候会自动下载与之对应版本的CUDA和cuDNN,从目前的使用来看不需要额外进行下载，省去了大麻烦（安装、复制到指定路径、添加环境变量等等）。

3.2 conda安装速度慢的问题

众知，使用conda和pip命令安装时速度非常慢，有时一不小心中间跳过一个环节导致整个安装失败，很是脑袋疼，在这里推荐使用国内镜像源，conda推荐使用清华镜像，pip推荐使用阿里云镜像（无数次试验中得出的结果，还有更佳结果欢迎讨论）。

3.2.1 conda更换镜像源

在电脑终端中输入如下指令：
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 set show_channel_urls yes

3.2.2 pip更换镜像源

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

注：在安装tensorflow-gpu时，个人推荐使用conda来安装，原因不详哈哈哈。

4. 配置vscode和sublime编译器

虽然现在大多数python程序员在使用pycharm，但还是相当多的人在使用vscode和sublime，具体它们有什么特点这里不过多介绍。在这两个编译器的配置中，vscode相对来说较为简单，熟悉vscode的人来说直接选中对应的环境即可，这里就不过多说明了。下面主要来说说sublime是怎么配置的。



保存时自己输入文件名称，然后返回第二步找到该名称选中，即可完成，输入代码按Ctrl + b执行试试。

5. 安装完成测试

本节本别在sublime和vscode中测试tensorflow安装是否完成，带入tensorflow模型并输入一下代码，显示为True则证明tensorflow-gpu安装成功。

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

5.1 Sublime-Text测试

5.2 VScode测试

6.总结

本篇是在经过几天的时间试过各种方法后整理出的一篇较为简单的方法，但还没有在其他设备上做过实验，如有不足之处欢迎探讨。

参考教程

[1]pip更换镜像源
[2]conda更换镜像源
[3]如何更换sublime中python路径