windows 10系统下借助Anaconda安装Tensorflow（GPU版本）小白也能懂

安装前准备工作

1.查看自身电脑显卡信息
通过设备管理器，点开显示适配器即可查看显卡信息。如图，笔者的显卡为GTX 1050Ti（台式机）

2.百度查询显卡是否支持CUDA
如图所示，仅需在百度搜索中输入“显卡信息 + specification”。以笔者显卡为例，则输入“GTX1050Ti specification”进行搜索即可。搜索结果如图所示，点击所需网页（红笔圈出）。

3.在GeForce网站中查看显卡信息
如图所示，可以找到“Supported Technologies”一栏，右侧出现了“CUDA”，表明该显卡支持CUDA。
似乎不同显卡对应栏目名称不同，有些是“Supported Technologies”，有些是另外的名称。总之，找一找有没有出现“CUDA”，若有就是支持；若没有就是不支持。

做完前面这几步，我们可以判断自己的电脑是否可以使用Tensorflow（GPU版本）。如果显卡支持CUDA，则可以使用Tensorflow（GPU版本）；如果显卡不支持，则只能使用Tensorflow（CPU版本）。对于CPU版本的Tensorflow安装，网上教程很多，不太容易出错，本文还是以安装GPU版本的Tensorflow为主。

安装三个必要软件

在开始安装Tensorflow（GPU版本）之前，我们需要安装3个必要软件：Anaconda、CUDA、cuDNN。

1. 先安装Anaconda，官方下载地址如下：https://www.anaconda.com/download/ 进入后界面如图所示。 目前Anaconda已经支持Python 3.7和Python 2.7（笔者安装时是支持Python3.6，但是这没关系），笔者还是推荐安装Python 3.7版本的（Python 2.7也可以，问题都不是很大）。
   接下来就是按照Anaconda安装程序进行软件安装就可以了，安装过程中记得勾选将Anaconda添加至自己的PATH环境变量中。（如果忘记勾选，在安装完成后手动进行添加也是可以的）
2. 安装CUDA，官方下载地址如下：https://developer.nvidia.com/cuda-toolkit-archive 进入后，界面如图所示。
   
   笔者选择了CUDA 8.0版本，至于GA1还是GA2，都是可以的，笔者选择了GA2，较新一点。
   点击所需CUDA版本，进入选择界面，如图所示。
   
   选择步骤已经在图中进行标注，此处不再赘述。在“Installer Type”中，“network”仅含基本的库，若后续使用到其他未包含的库，会进行在线下载安装；“local”则包含所有的库，不管后续是否会用到，不需要再进行在线下载安装。个人推荐还是安装“local”的。
   进行CUDA安装时，软件会进行系统检查，如果没有出现软硬件不兼容的情况就能继续安装；若出现了不兼容情况，系统检查会报错，无法进行下一步。如果报错了，就先考虑是不是自己的显卡驱动版本太新了，可以选择回退几个版本。（至于如何回退版本，百度一下，有很多教程，此处不赘述）。
   过了系统检查，如果追求省力就按照推荐的安装方式进行安装即可。自定义安装可以根据自己的需求挑选安装组件（CUDA必须选上，不然你白折腾了）
3. 下载cudNN，官方下载地址如下：https://developer.nvidia.com/rdp/cudnn-download 进入后，界面如图所示。
   
   注意：第一次进入该网站，必须注册账号，免费注册，注册方式非常简单，此处不赘述。
   注册完重新登入该网站后，勾选“I Agree To the Terms of the…”，就会出现cuDNN的各种不同版本的下载链接。记住，我们安装的是CUDA 8.0，所以点击“Archived cuDNN Releases”寻找符合要求的版本，出现如下界面。
   
   选择一个“for CUDA 8.0”的cuDNN版本，你会发现有很多符合的版本，选一个新一点的好了。
   下载后会发现，cuDNN其实是一个压缩包，直接解压可以看到有三个文件夹，把这三个文件夹移动到安装CUDA的位置，具体如图所示。
   
   图中，红笔圈出来的三个文件夹是cuDNN解压出来的三个文件夹，一定要注意复制到CUDA相应的文件夹下，具体路径可参考图中红线划出部分。

安装Tensorflow（GPU版本）

至此，我们把三个必要的软件安装完成，接下来可以进行Tensorflow（GPU版本）的安装。

1. 安装完Anaconda软件后，我们可以从开始菜单栏中找到名为“Anaconda Prompt”的终端，点击打开。
   为了我们之后的下载安装速度能够快一些，我们配置一下清华仓库镜像，在Anaconda Prompt中输入一下指令即可：
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 按下回车
   conda config --set show_channel_urls yes 按下回车
   至此，镜像已经配置完了。
2. 我们创建一个独立的运行环境，创建独立运行环境的好处是在该环境中进行的任何花里胡哨的操作都不会对电脑其他环境产生影响，搞坏了删掉就行。将其命名为tensorflow（这只是一个名字，你可以取别的）。具体操作是在Anaconda Prompt中输入以下指令即可：
   conda create -n tensorflow python=3.5 按下回车
   
   过程中要输入“y”以继续安装，等待安装完成后，就生产了一个基于Python 3.5 的独立环境。此时，打开Anaconda Navigator软件，可以看到这个名为“tensorflow”的环境，如图所示。
   
3. 我们继续在Anaconda Prompt中输入以下指令，用以激活刚才创建的环境：
   activate tensorflow 按下回车
   可以看到前缀切换到（tensorflow），如图所示
   
4. 激活环境后，输入以下指令，即可安装Tensorflow（GPU版本），前期做了一堆的事，就为了这一步啊！
   conda install tensorflow-gpu 按下回车
   ！！注意：此处是通过conda安装，网上有很多教程是通过pip安装的，我也尝试过，最后连你自己都不知道tensorflow装到哪里了，很容易出错。
   
   因为笔者已经安装好了，所以会提示已安装完成，首次安装会安装很多东西，静静地等待就好了。

检验Tensorflow（GPU版本）是否安装成功

搞了这么久，我们得验证一下Tensorflow（GPU版本）是不是安装成功了呢？

我们还是打开Anaconda Navigator，将环境切换到tensorflow。如图所示。

此处的tensorflow还是我们在上面提到的自己创建的独立环境。

选择下方的IDE进行程序编辑，以验证Tensorflow（GPU版本）是否安装成功

笔者选择了“Spyder”IDE，点一下“Launch”即可运行。若显示的不是“Launch”说明没有安装，点“Install”安装即可。注意，安装过程中可能会提示你安装Python，千万别安装，一旦安装，它会把环境中的python版本更新到最新版本，最新版本将无法运行tensorflow。

打开IDE，笔者以“Spyder”为例
从Anaconda Navigator中运行Spyder后，跳出Spyder的界面，如图所示。

注意看，IDE中显示的当前Python版本（图中红圈位置），一定要是python 3.5版本，如果不是，请返回重新仔细看一遍本教程。
在左侧输入一下代码，运行即可测试：
import tensorflow as tf
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©)
运行结果如图所示。

若得到该结果，恭喜你，Tensorflow（GPU版本）已安装成功；若报错或出现一大串乱七八糟看不懂的提示，那你可能需要重新仔细看一遍该教程。