轉載請注明出處：
https://www.cnblogs.com/darkknightzh/p/9834567.html
參考網址：
https://www.anaconda.com/blog/developer-blog/tensorflow-in-anaconda/
之前的一篇，直接安裝tensorflow的：
https://www.cnblogs.com/darkknightzh/p/6592052.html
================================================================
190117更新：
使用conda的方式，在ubuntu上比較省事，但是最好不要在windows上使用。
剛才在win7上tensorflow用不了了（CPU的，使用anaconda3，python為3.5），卸載后使用conda重新安裝了tensorflow，結果還是用不了，提示找不到什么庫（沒截圖，記不住了）。
后來再次卸載tensorflow，使用pip重新安裝tensorflow后（CPU的），能正常使用了。
所以windows上還是先使用pip安裝吧。。。（不知道有沒有使用conda安裝后能正常使用的）
190117更新結束
================================================================
參考網址中寫出了使用conda安裝tensorflow-gpu的各種好處，比如可以適配不同的cuda版本。而且從1.9開始，conda安裝方式集成了MKL-DNN庫，速度比pip安裝的快了好幾倍（具體看網址）。
下面寫一下怎么用conda安裝tensorflow-gpu的1.9版本
首先在終端中輸入下面命令，可安裝1.9版本的tf（目前最新的是1.11了，不過驅動版本比較老，因而還是用1.9的tf吧）
conda install tensorflow-gpu==1.9.0
如果gpu驅動不是很老，運行程序沒問題，就不用往下看了。
目前我這邊會安裝cuda9.0（還有其他一些庫）。但是由於驅動比較老，不支持默認安裝的cuda版本，直接運行之前的程序，會提示下面的錯誤（internal: cudagetdevice() failed. status: cuda driver version is insufficient for cuda runtime version）：
因而需要將cuda降級，我這邊直接在終端中輸入下面的命令：
conda install cudatoolkit==8.0
便可以安裝cuda8.0的版本。下圖顯示了哪些庫會升級，哪些庫會降低：
之后可以正常運行之前的程序了。。。
================================================================
181119更新：
試了一下， 可以一句話完成安裝：
conda install tensorflow-gpu==1.9.0 cudatoolkit==8.0
比上面的省事。。。
181119更新結束
================================================================