0.前言
今年暑假買了個1660ti的游戲本學python，后來發現跑一些數據量比較大的代碼和深度學習的時候太慢了，遂想裝一下GPU版本，看了網上的資料搞了好幾天，又是CUDA又是cudnn的，網速慢不說，裝完還各種報錯，最后發現隨着anaconda和tensorflow的更新，現在利用anadonda只要一行命令就能完成。（裝好虛擬環境后，直接看4.2）
1. 安裝anaconda
這部分沒啥難度，只要注意兩點：
1.去官網下載https://www.anaconda.com/distribution/，而不要去清華的鏡像站（已經很久沒有更新了），官網下比清華慢一點，但相信我這是值得的。
2.安裝的時候建議直接把兩個勾都選上（網上的其他教程都建議不勾選然后手動添加PATH，但我發現直接勾上沒問題，之后加PATH反而有各種問題出現）
#.如果之前電腦里已經有安裝python，建議先卸載再裝anaconda，這樣能避免很多問題
做完這一步你就擁有了一個預裝了很多包的base環境，包括pandas和numpy，足夠初學者做很多事情了。
2. 換清華源
雖然上面說anaconda的安裝包不要去清華上下，但是用鏡像站來下載和更新python包還是可以的（能快上不少）。打開CMD，復制打入就行
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes
3.創建一個另外的虛擬環境
起先看網上教程的時候一直不明白這一步有什么用，處理了很多報錯以后發現這是為了避免依賴包版本沖突。例如你在官網上下載的anaconda，自帶的base環境是python3.8，而tensorflow是建議裝python3.6，它要求的各種依賴包也是python3.6時代的，直接在base環境下安裝，需要將本來是最新的軟件包降級，可能會影響其他包，最新的功能就用不到了。
所以創建虛擬環境可以完全避免依賴包沖突，需要使用tensorflow的時候切換過來就行。
3.1 打開CMD（如果你把anaconda裝在了C盤，建議使用管理員運行，可以事先避免權限報錯），鍵入:
conda create -n env_gpu python=3.6
（env_gpu是你給虛擬環境起的名字，依個人喜好就行，網上大多叫tensorflow或者env_tf2，我這邊叫env_gpu是因為我用這個環境來跑需要gpu加速的任務：tensorflow-gpu和cupy）
按y回車，anaconda就會安裝一些必須的包（換源之后是很快的）
4. 在虛擬環境下安裝tensorflow-GPU(用於機器學習）和cupy（numpy的GPU加速版本）
4.1 首先激活虛擬環境：
conda activate env_gpu
（整個第4步的cmd都別關掉，用同一個，假如手滑關了，就要再激活一次虛擬環境）
可以看到前面有個括號表明所在的環境
4.2.安裝tensorflow-gpu和cupy
conda install tensorflow-gpu=2.0.0
conda install cupy
（一行一行來）
可以看到anaconda會自動安裝匹配版本的cuda和cudnn，不用去英偉達官網下載了，也避免了操心版本問題。
4.3 安裝spyder, jupyter notebook
因為我們在第三步創建了一個獨立的虛擬環境，和原來base環境里的spyder和jupyter notebook是不通用的，所以在這個環境下手動安裝一個就行:
conda install spyder
conda install jupyter
安裝完以后可以在開始菜單搜索spyder，（anaconda）結尾的是base環境下的spyder, （env_gpu）結尾的是這個環境下的spyder。
5.測試一下吧
5.1 打開spyder(env_gpu)
5.2 鍵入一些測試的code
5.3 cupy也導入測試下
都沒有報錯，大功告成！