共计 2249 个字符，预计需要花费 6 分钟才能阅读完成。
配置：
- Windows 10
- 英伟达独立显卡
前言
- 检查你的显卡是否支持CUDA:
点击：http://www.nvidia.com/object/geforce_family.html
第一步：安装Anaconda
1.下载
- 选择和你系统适配的版本。
2.安装
- 直接双加安装包
- 这一步不要勾选**“Add Anaconda to my PATH enviroment variable”，我们后面会手动加入。
3.配置环境变量
- 进入系统高级设置
- 在path变量中添加（将以下三个路径加入，注意这里要换成你自己的安装路径。）
C:\\Users\\t-yaoguo\\AppData\\Local\\Continuum\\anaconda3
C:\\Users\\t-yaoguo\\AppData\\Local\\Continuum\\anaconda3\\Scripts
C:\\Users\\t-yaoguo\\AppData\\Local\\Continuum\\anaconda3\\Library\\bin
复制代码
然后win+R打开cmd 输入：conda -V 能正常显示版本号，证明已经配置成功了。
第二步：安装TensorFlow
1.创建conda环境
conda create -n tensorflow pip python=3.7（这里python版本需要跟你系统的Python环境一样）
复制代码
如果安装的时候很慢，或者出现超时的错误，那就将Anaconda跟换为国内的源（
）
出现上图情况则表示环境创建成功。
2.激活环境
接着输入命令：
activate tensorflow
复制代码
3.安装TensorFlow
注意： 一定是在激活环境下安装。 安装gpu版本
pip install --ignore-installed --upgrade tensorflow-gpu
复制代码
安装CPU版本
pip install --ignore-installed --upgrade tensorflow
复制代码
如果出现网络超时错误可食用以下命令：
pip install -i <https://pypi.tuna.tsinghua.edu.cn/simple> tensorflow-gpu
复制代码
cpu版本也是一样
这样已经就安装成功了。
由于我们的新建的TensorFlow环境基本都是空的，所以需要安装一些Anaconda包，命令如下：
conda install anaconda
复制代码
第三步：安装CUDA Toolkit + cuDNN
1.检查需要安装的CUDA+cuDNN版本
点击检查你安装的最新TensorFlow支持CUDA版本: www.tensorflow.org/install/ins…
注意： TensorFlow和CUDA版本一定要适配，不然会安装不成功。 TensorFlow和CUNA对照图
2.CUDA+cuDNN下载安装
下载链接链接: developer.nvidia.com/cuda-toolki…
进入下载界面
下载好CUDA后，然后下载cuDnn，需要注意的是，下载cuDNN需要在nvidia上注册账号，使用邮箱注册就可以，免费的，登陆账号后才能下载。 cuDNN历史版本下载地址：
developer.nvidia.com/rdp/cudnn-a…
3.安装 CUDA Toolkit和 cuDnn
首先安装CUDA，为了避免在安装报错，建议先卸载已经安装好的显卡驱动，然后再安装CUDN Toolkit。
双击CUDA的安装包即可开始安装
勾选所有
CUDA安装完成后即可安装cudnn 解压下载的cudnn包
将cudnn的包下面的各个文件夹里面的文件，拷入CUDA安装目录对应的文件夹下面。 如图：
配置环境变量 将下面四个路径加入到环境变量中（注意换成自己的安装路径）
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
复制代码
第四步：测试
1.检查是否使用GPU(也能检查tensorflow是否安装成功)
win+R 在cmd中输入
命令：activate tensorflow
输入：Python
输入：
import tensorflow as tf
tf.test.gpu_device_name()
复制代码
注意：
如果你安装的是gpu版本，但是输出的是cpu的信息，你检查一下显卡驱动是不安装成功，如果没有的话，你需要手动安装一下。 如果都显示正常，则说明tensorflow安装没问题。
说明：
tensorflow 1.0之后的版本和tensorflow 2.0有很大的差别，如果你的项目用的是tensorflow1.0，那就不要安装tensorflow 2.0 否则项目运行不起来。
安装tensorflow特定版本命令如下：
pip install -i <https://pypi.tuna.tsinghua.edu.cn/simple> tensorflow-gpu==1.x.0
复制代码
x:表示版本号
