Tensorflow有兩個版本：GPU和CPU版本，CPU的很好安裝；GPU 版本需要 CUDA 和 cuDNN 的支持，如果獨顯+集顯，那么推薦你用GPU版本的，因為GPU對矩陣運算有很好的支持，會加速程序執行！並且CUDA是Nvidia下屬的程序，所以GPU最好是Nvidia的，AMD的顯卡沒有CUDA加速！滿足以上條件之后，你需要查看一下你的英偉達GPU是否支持CUDA，如下圖：（官網鏈接：CUDA GPUs | NVIDIA Developer）
滿足條件后可以進行安裝。
第一步：安裝Anaconda（已安裝）
1.下載安裝軟件
2.配置環境變量
計算機右鍵——屬性——高級系統設計——高級——環境變量（也可以右下角直接搜索）
點擊環境變量
選擇“Path”，點擊“編輯”
將以下三個路徑加入，注意這里要換成你自己的安裝路徑,我的在C盤。
- C:\Anaconda3
- C:\Anaconda3\Scripts
- C:\Anaconda3\Library\bin
然后點擊“確定”保存，在左下角打開Anaconda—Anaconda Prompt，輸入“conda -V”，能正常顯示版本號，證明已經配置好了。
第二步：安裝CUDA Toolkit + cuDNN
1.查看需要安裝的CUDA+cuDNN版本
注意，tensorflow是在持續更新的，具體安裝的CUDA和cuDNN版本需要去官網查看，要與最新版本的tensorflow匹配。
點擊查看最新tensorflow支持的CUDA版本：https://www.tensorflow.org/install/install_windows#requirements_to_run_tensorflow_with_gpu_support
官網對於tensorflow和CUDA以及cuDNN都有更新，並不是最新的才可以用，關鍵是匹配好對應的版本
2.下載CUDA + cuDNN
在這個網址查找CUDA已發布版本：https://developer.nvidia.com/cuda-toolkit-archive
根據提示，我下載11.2版本
進入下載界面進行下載
下載好CUDA Toolkit 9.0 后，我們開始下載cuDnn 7.0，需要注意的是，下載cuDNN需要在nvidia上注冊賬號，使用郵箱注冊就可以，免費的。登陸賬號后才能下載。
（其實查詢網上資料不注冊也可以下載，直接右擊，需要下載的鏈接，在迅雷中就可以了，大家可以嘗試一下）
cuDNN歷史版本在該網址下載：https://developer.nvidia.com/rdp/cudnn-archive
注意版本號要與tensorflow官網要求完全相同，我這里也為11.2版本
下載win10版本
這樣，我們就下載好了 CUDA Toolkit 11.2.0 和 cuDnn 8.1.0.77，下面我們開始安裝。
3.安裝 CUDA Toolkit 11.2.0和 cuDnn 8.1.0.77
至關重要的一步：卸載顯卡驅動
由於CUDA Toolkit需要在指定版本顯卡驅動環境下才能正常使用的，所以如果我們已經安裝了nvidia顯卡驅動（很顯然，大部分人都安裝了），再安裝CUDA Toolkit時，會因二者版本不兼容而導致CUDA無法正常使用，這也就是很多人安裝失敗的原因。而CUDA Toolkit安裝包中自帶與之匹配的顯卡驅動，所以務必要刪除電腦先前的顯卡驅動。
再進行安裝
安裝
此處選擇“自定義（高級）”
勾選所有
一路通過即可。
接下來，解壓“cudnn-11.2-windows-x64-v8.1.0.77.zip”，將一下三個文件夾，拷貝到CUDA安裝的根目錄下。
這樣CUDA Toolkit 11.2.0 和 cuDnn 8.1.0就已經安裝了，下面要進行環境變量的配置。
配置環境變量
將下面四個路徑加入到環境變量中，注意要換成自己的安裝路徑。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
到此，全部的安裝步驟都已經完成，這回我們測試一下。
第二步：安裝TensorFlow-GPU
打開tensorflow官網：https://www.tensorflow.org/install/install_windows#installing_with_anaconda
跟着操作步驟走就可以了。
1.創建conda環境
通過調用下列命令，創建一個名為“tensorflow”的conda環境：
conda create -n tensorflow pip python=3.6
等待相應包的安裝，如果國內網絡太慢的話，可以為conda設置清華源，這樣速度能快一點，具體配置過程，網上查一下吧，此處不再講述。如果看到這樣的提示，就證明conda環境創建成功。
2.激活環境
通過以下命令激活conda環境：
activate tensorflow
這樣就進入了剛創建的“tensorflow”環境。
3.安裝tensorflow-gpu
安裝GPU版本的tensorflow需要輸入以下命令（這里我裝的2.5.0版本，keras-nightly也是2.5.0版本）：
pip install --ignore-installed --upgrade tensorflow-gpu 如果只需要安裝CPU版本的tensorflow則輸入以下命令：
pip install --ignore-installed --upgrade tensorflow
這樣就安裝成功了。
注意：務必注意一點，在安裝完tensroflow后，由於我們是新創建的conda環境，該環境中基本上是空的，有很多包和IDE並沒有安裝進來，例如“Ipython”，“spyder”此時如果我們在該環境下打開spyder/Ipyton/jupyter notebook等，會發現其實IDE使用的kernel並不是新建立的這個環境的kernel，而是“base”這個環境的，而“base”環境中我們並沒有安裝tensorflow，所以一定無法import。這也就是為什么有很多人在安裝好tensorflow后仍然在IDE里無法正常使用的原因了。
第四步：測試
測試一下是否能import tensorflow，但是一定要進入到我們的tensorflow環境中，不要在base環境下，激活tensorflow環境
運行出b'Hello tensorflow'證明我們的tensorflow已經安裝成功了。