前幾天安裝了一下跑tensorflow需要的環境，感覺官方的文檔不夠詳細，很多地方出錯了只有上網搜，故把整個流程和經驗記錄下來。
第一步：安裝anaconda
anaconda是一個巨好用的python包管理和環境管理軟件，有了它媽媽在也不用擔心安裝依賴和版本問題了。官方下載很慢，建議用清華鏡像站的，我下載的是 Anaconda3-5.3.1-Windows-x86_64.exe，安裝的python版本是3.7（最開始沒太理解anaconda的作用，看tensorflow官網支持windows的gpu要求的版本為Python3.6，直接重裝了3.6.。。。）因為安裝的時候推薦自己設置環境變量，所以把anaconda/bin和anaconda的路徑都添加到path里了。
創建虛擬環境conda create -n 名字,之后各種東西都在里面裝（因為不同項目依賴的東西的版本都可能不一樣，如果你只用默認的base，那么將面臨無限裝卸的循環中，不同環境各成一套體系我覺得更好一些），然后activate 名字切換虛擬環境。
第二步：安裝cuda和cudann
用英偉達控制面板-》幫助-》系統信息-》組件,看一下NVCUDA.DLL的產品名稱里面的版本，只能比你安裝的cuda版本高不能低（我這一個10.1一個10.0沒影響）
官方現在還是只支持10.0 https://developer.nvidia.com/cuda-10.0-download-archive,你要用10.1會比較麻煩。
然后下載對應版本的cudann https://developer.nvidia.com/rdp/cudnn-download。
跑一下安裝cuda后的自帶測試C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\1_Utilities\deviceQuery（這里要注意編譯的時候如果像stdio.h這些基本庫找不到，把項目的SDK換成你 安裝的版本就行），看一看找不着得到你的gpu。
第三步：安裝tensorflow
我最開始直接用的pip install tensorflow-gpu，下載的是1.14版本，能跑起來但會提示CPU支持AVX2但是沒有編譯成的相關庫，warning逼死強迫症，上github上找人家編譯好的支持gpu,avx2和py3.6的下下來pip install安裝了。速度慢的可以上碼雲上找，很多人fork的。然后提示future numpy什么的，把numpy降級到1.16就沒事了。
測試代碼如下：
import tensorflow as tf import numpy as np a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') c = tf.matmul(a, b) sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) print(sess.run(c))
第四步：使用jupyter notebook
由於安裝anaconda時已經自動安裝了，所以只需要使其能切換環境就ok了。在網上找了一下，在base環境下conda install nb_conda,然后在創建的環境中conda install ipykernel，打開網頁就能在kernel里改變運行環境了。
小提示：
配置過程中有很多錯誤提示在網上並沒有搜到，按照提示做了也沒啥用，重啟之后就正常了。所以有搜不到的問題，重啟大法好。