Anaconda安装Tensorflow-gpu（2020.7)
写在前面：由于电脑之前被自己鼓捣了一下不小心把开机引导删了，重装了系统，所以好多环境都得重新配置起来。今天来弄一下conda的环境。
1.安装Anaconda
Anaconda的安装没什么好说的，正常到官网下载安装包。
地址：https://www.anaconda.com/products/individual
找到自己需要的版本点击下载。
卸载电脑上已有的python
先看下自己电脑上安装的python版本
我这里是3.8.3，为了以防后面的一些奇怪的版本不兼容问题，我先把这个卸载。(如果你是3.7的话就不用这一步了)
直接在官网找到相应版本的安装包（记住是安装包，不是直接解压就用的那种），然后运行uninstall.
卸载完成，然后我们开始装conda.
开搞conda
一路next，这边选择安装磁盘地址自己决定，我是不改了。
然后这一步：
这里我是直接勾选添加到环境变量中去，不用我自己再配置路径了。可是如果你电脑里有多个版本的话，不建议勾选，容易出现问题。不过想想看这种安装教程的肯定是小白，怎么还会考虑那么多东西，一步步跟着来就完事了。
安装！
就等着吧，过会就好了。
我们打开cmd看一下python版本：
python -V //这里如果单输入python的话是进入python环境，可以看到这个python是在conda环境下的
2.安装Tensorflow-gpu
安装这个GPU版本真的是一件很费力的事情，你得把对应的版本全部校对好，否则版本不匹配照样还是用CPU处理。
我们打开conda的prompt
现在我们所处的环境就是在conda下，装的各种环境也是在conda下。千万不要用cmd!!!
出于对conda的礼貌，我们先问候一下它的版本。
conda -V
嗯，挺好的，那就来安装吧。这边安装的话由于是国外的服务器，所以下载过程中容易中断无响应。所以这里要更改一下国内的镜像源,当然了如果不改镜像的话也可以，我是没改（doge）：
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
然后在新建一个虚拟环境：
conda create -n TC2 python=3.7 //新建一个python3.7的环境，命名为TC2
等待安装完毕
进入该环境：
conda activate TC2
有这个显示就说明我们进入了这个TC2的环境,之后我们就在这个环境下安装tensorflow-gpu
conda install tensorflow-gpu //这里也可以指定版本,比如conda install tensorflow-gpu==2.1.0
输入y确认。我们不需要再额外安装cuda和cudnn，因为他已经包含在安装的列表里了。
我这里安装的是2.1.0的版本，静静等待安装完成，如果安装出现问题，比如进度卡住了之类的多半是网络不稳定，可以选择切换到国内镜像。
等待完成。然后我们可以看一下有没有安装完成：
conda list //查看当前环境下安装的包
已经成功安装了tensorflow-gpu2.1.0的版本。
为了操作的方便，我们需要在该环境下安装spyder和jupyter，这个看个人喜好，反正我两者都用，jupyter的话可以一步一步写，运行就得到结果，spyder的话可以查看变量，非常方便。哪个方便用哪个，不多说了。然后我们打开jupyder，由于jupyder直接打开的话默认目录是在安装目录下的，所以我们需要用简单的命令定位到我们要新建文件的目录下，比如这边我在桌面新建了一个TC2的文件夹：
cd desktop
cd TC2
这样就到我们所选择的目录下了，然后：
jupyter notebook //运行jupyter
我们新建一个python3的脚本，输入：
import tensorflow as tf
tf.__version__
查看当前tensorflow版本
import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
查看可用的GPU个数
如果你确定自己的GPU是正常的，但是运行结果是0，那就得怀疑一下自己的版本问题，一般来说版本只要符合要求，即Python版本，tensorflow-gpu版本，cuda和cudnn匹配。具体参照tensorflow官网
3.总结
以上就是本次安装Anaconda和tensorflow-gpu的教程，一般来说跟着做就没什么问题了。而且现在的安装越来越傻瓜式了，比如添加路径什么的都能自动添加，依赖包能捆绑安装了。方便了不少，所以这次我基本没踩什么坑。有什么问题大家可以提出来一起解决。
