anaconda安裝見前一篇https://www.cnblogs.com/wintersoft/p/11609188.html
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
打開Anaconda-Navigator->Environments->base(root)修改python版本到3.6.8
python3.7目前對tensorflow2.0支持不好
創建環境
在Anaconda里創建名為tensorflow-gpu的環境
conda create -n tensorflow-gpu python=3.6.8
進入tensorflow-gpu環境
activate tensorflow-gpu 進入tensorflow-gpu環境
查看Anaconda里的環境
conda info --envs
檢查新環境中的python版本
python --version
在cmd里先執行以下兩行
easy_install pip
pip install--upgrade pip
pip install pip -U # 升級 pip 到最新的版本 (>=10.0.0) 后進行配置
設置國內源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
文件地址在C:\Users\Administrator\AppData\Roaming\pip\pip.ini
回到Anaconda Prompt
安裝pylint
pip3 install pylint
pip3 install --upgrade -I setuptools
否則后面可能報ImportError: No module named 'tensorflow'
pip3 install ipykernel
pip3 install keras
pip3 install pandas
注：pip install 命令只會安裝在 C:\ProgramData\Anaconda3\Lib里，不會安裝進tensorflow-gpu環境，這里用conda install。
conda install ipykernel
conda install pandas
conda install keras
此錯在網上還有一種解決方式：
在python默認的第三方庫安裝路徑中，（對於只安裝了Anaconda的人來說是\Anaconda3\Lib\site-packages，安裝官方發行版本也在類似的目錄中）新建一個path.pth文件，在里面寫上你tensorflow安裝的位置（位置可以用pip show tensorflow查看）
先安裝tensorflow
pip3 install --upgrade --ignore-installed tensorflow --default-timeout=100
pip3 install tensorflow-gpu==2.0.0或
pip3 install --upgrade --ignore-installed tensorflow-gpu==2.0.0
如果報錯超時，延長超時時間
pip3 install --upgrade --ignore-installed tensorflow-gpu==2.0.0 --default-timeout=100
pip3 install --upgrade --ignore-installed tensorflow-gpu --default-timeout=100
還需安裝Visual C++ Redistributable for Visual Studio 2015
https://download.microsoft.com/download/6/D/F/6DF3FF94-F7F9-4F0B-838C-A328D1A7D0EE/vc_redist.x64.exe
還有另一種anaconda的安裝方式conda install xxx 但版本更細較慢
先用conda search tensorflow和conda search tensorflow-gpu來查詢都有那些版本
conda install tensorflow-gpu==2.0.0
安裝CUDA和CUDDN
確保顯卡必須是NVDIA的
在C:\ProgramData\Anaconda3\Lib\site-packages\tensorflow\python\platfor下的build_info.py文件可以看到需要的cuda和cudnn版本號
CUDA
顯卡型號支持：https://developer.nvidia.com/cuda-gpus
CUDA下載地址：https://developer.nvidia.com/cuda-toolkit-archive 可迅雷下載
cuDNN下載地址：https://developer.nvidia.com/rdp/cudnn-download 非迅雷下載
作為cuda的補充，安裝簡單多了，只需要把下載后的壓縮文件解壓縮，分別將cuda/include、cuda/lib、cuda/bin三個目錄中的內容拷貝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0對應的include、lib、bin目錄下即可。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin下有nvcc.exe說明安裝成功
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64下有cupti64_100.dll說明CUPTI安裝成功
環境變量添加CUPTA和cudnn路徑
CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
Path變量加入:
%CUDA_PATH%
%CUDA_PATH%\bin
%CUDA_PATH%\libnvvp
%CUDA_PATH%\extras\CUPTI\lib64
記得注銷或重啟
cmd 輸入命令 nvcc -V 注意V大寫
安裝完成后，可以對其進行測試，在Prompt輸入
python -c "import os; import inspect; import tensorflow; print(os.path.dirname(inspect.getfile(tensorflow)))"
另一種方式
ipython
import tensorflow as tf
引用tensorflow包，如果沒有報錯，則安裝成功。
如果報ModuleNotFoundError: No module named 'tensorflow'是因為pip的安裝方式與其他不同，安裝tensorflow-gpu時不會把依賴的tensorflow也跟着安裝。
查看tensorflow版本
tf.__version__
查看tensorflow安裝路徑
tf.__path__
查看keras版本
tf.keras.__version__
如果在pycharm IDE下:
File->Settings->Project: 項目名->Project Interpreter
1、 Project Interpreter->Show All->+Existing environment->Interpreter選中... 加入C:\ProgramData\Anaconda3\envs\tensorflow-gpu\python.exe
不用anaconda的安裝方法是：設置好python.exe后返回到Project Interpreter界面 + 搜索tensorflow 安裝tensorflow-gpu 2.0
測試
ipython
import tensorflow as tf
tf.test.is_gpu_available()
如果顯示True，說明gpu版本已經安裝成功
tf.test.gpu_device_name()