前置准備
查看GPU型號
電腦桌面->右鍵我的電腦->選擇管理->點擊設備管理器 如下圖：
如果不是英偉達顯卡，那么不用往下看了，GAMEOVER！
查看CUDA算力
gpu版本要求電腦的GPU硬件必須有CUDA支持，並且計算能力最低為3.5以上。
查看地址在這里：https://developer.nvidia.com/cuda-gpus
這個就是我的：
下載GPU驅動
下載地址：https://www.nvidia.com/download/index.aspx?lang=en-us#
我的演示：
這個驅動的版本號必須要達到418.x以上
下載Anaconda
清華大學鏡像地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
我下載的版本是：Anaconda3-5.3.1-Windows-x86_64.exe
配置高級選項的時候 第一個我選擇將Anaconda加入環境變量 第二個注冊Python3.5沒有勾選，因為我電腦上安裝得有python3.7。
配置Anaconda軟件包下載服務器
從開始菜單中打開Anaconda Prompt，依次輸入以下三條命令
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes
新建虛擬環境
Anaconda默認的虛擬環境是base(root)，其中已經安裝的軟件包太多，並且這個虛擬環境無法刪除，所以我們新建一個虛擬環境進行學習，將來不想使用的時候可以將新的虛擬環境刪除。
依然在Anaconda Prompt的命令行中，執行命令：
conda create -n tf_gpu python=3.7
其中conda create是創建命令 -n是name的意思 后面tf_gpu是新環境名 名字隨意取 python=3.7是設置該環境的python版本 一般來說3.6和3.7兩種
這里輸入y 表示同意安裝相關軟件包
現在新的虛擬環境已經創建完成
執行命令：
conda activate tf_gpu
激活tf_gpu這個環境，也可以理解成進入tf_gpu環境。
然后你會看到頭部的(base)變成了(tf_gpu)
安裝TensorFlow
接着上面的命令行窗口
安裝英偉達SDK
conda install cudatoolkit=10.1
輸入y 同意安裝相關軟件包
安裝英偉達深度學習軟件包
conda install cudnn=7.6
只要不是下面這個樣子，一般都是安裝失敗，仔細看是否有error字樣，如果安裝失敗，多試幾次，我就失敗了兩次，第三次才成功，可能是網絡抖動而導致的。
安裝TensorFlow
pip install tensorflow-gpu==2.1.2
一連串的下載安裝信息滑過命令行之后，就算安裝完了。
校驗是否安裝成功
繼續命令行輸入python 進入解釋器
輸入兩行：
import tensorflow as tf
tf.__version__
如果打印出版本號'2.1.2' 則安裝成功。
打開pycharm
新建項目 選擇conda環境解釋器 如圖：
至此，環境已經搭建完成，可以進行項目編程了。