前言
本文写于2019年12月(旧文搬运)。
本文主要介绍的是tensorflow-GPU版本的安装。GPU版本需要CUDA+cuDNN的支持，本文虽然没有介绍，但是是在已安装CUDA+cuDNN的基础上实行的。
CUDA+cuDNN相较起来坑是比较多的，尤其需要注意的是版本问题，一定要看对应版本不能盲目安装，否则会产生许多不必要的麻烦。
一、查看配置
-
硬件：Nvidia的显卡（我的是GT940MX
- 如何查看显卡型号？
“我的电脑 ->（右键）管理 -> 设备管理器 -> 显示适配器”
- 如何查看显卡型号？
-
tensorflow的版本选择：
tensorflow 有两个版本：CPU 和 GPU。（我这里选择了GPU）
我们先看看他们的全称：
CPU （Central Processing Unit 中央处理器）
GPU （Graphics Processing Unit 图形处理器）
显然，CPU作为中央处理器，需要很强的通用性，它需要的是处理复杂的工作任务。而
GPU的工作更为单一，计算量大，重复高。
我们可以把CPU当作一位知识渊博的教授，而GPU就是一群小学生。但如果工作要求计算几千次的一百以内的加减乘除，显然，一群小学生比一位教授更为适合。
所以GPU更适合矩阵运算，更适合神经网络的处理。
！但是，GPU的选择是有硬件要求的，因为GPU版本需要CUDA和cuDNN的支持，要想安装GPU，首先要看一下自己的显卡是否支持CUDA。Nvidia的显卡可以在 https://developer.nvidia.com/cuda-gpus 查看自己的GPU是否支持CUDA。
我的在这里👇：
基础要求满足了，就可以开始安装 tensorflow 了 👇。
二、安装Anaconda
Anaconda 是 python 的一个集成管理工具或系统。面对不同的项目环境需求，Anaconda 的便利就可以体现出来了，它可以创建多个不同的环境且互不干扰。
1. 下载与安装
下载地址：https://www.anaconda.com/download/
根据自己电脑的实际需求安装，我是windows X64。（备注：如果使用caffe需要注意，caffe 依赖于 boost 库，boost默认为 Python2，当然也可以用 python3 编译 boost库，我这里就不多介绍了。）
安装过程一路向下就好了。
2. 配置环境变量
E:\Anaconda3
E:\Anaconda3\Scripts
E:\Anaconda3\Library\bin
将以上三个路径加入环境变量，需要根据自己的实际安装路径修改。
3. 查看安装结果
在cmd中如下输入“conda -V”，正确出现版本号就表示安装成功了。
4. 添加清华源
配置国内镜像可以使得速度快一些，这里添加的是清华源。
根据官网（https://mirror.tuna.tsinghua.edu.cn/help/anaconda/），修改用户目录下的.condarc文件：
channels:
- defaults
show_channel_urls: true
default_channels:
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua...
msys2: https://mirrors.tuna.tsinghua...
bioconda: https://mirrors.tuna.tsinghua...
menpo: https://mirrors.tuna.tsinghua...
pytorch: https://mirrors.tuna.tsinghua...
simpleitk: https://mirrors.tuna.tsinghua...
（Windows 用户无法直接创建名为.condarc的文件，可先执行conda config --set show_channel_urls yes生成该文件后再修改。
二、安装 tensorflow（GPU版本）
1. 创建conda环境
conda create -n [your_env_name] python=3.7
python版本可以根据实际需求更改，但是需要注意tensorflow支持的python版本：https://www.tensorflow.org/install/source_windows（以下为部分内容展示）
（若是创建失败，提示“the following specifications were found to be incompatible with other”，可以先执行conda update conda）
出现以下👇界面就表示创建环境成功了。
2.激活环境
activate [your_env_name]
执行以上命令行进入刚刚创建的环境
3. 安装Anaconda基础包
因为我们是新建的“空包”，所以需要安装基础包。执行以下命令行：
conda install anconda
- 注意：
Anaconda 中各环境是相互隔离互不干扰的，所以在使用是需要注意当前使用的环境，如果在
[your_env_tensorflow]环境中安装了tensorflow，使用的却是没有安装的[base]环境，自然是会报错的。这也是我们需要安装基础包的原因。
4. 安装tensorflow
- CPU版本
pip install --ignore-installed --upgrade tensorflow
- GPU版本
pip install --ignore-installed --upgrade tensorflow-gpu
这里着重安装的是GPU版本，CPU就不多做介绍了。当出现以下界面就表示安装成功了：
其余 conda 的常用命令就不做赘述了。
5. 检验
出现Adding visible gpu devices:0即表示GPU版本安装成功
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。