windows10下安装tensorflow2.0-GPU和Cupy（不用搞CUDA+cudnn）

0.前言

　　今年暑假买了个1660ti的游戏本学python，后来发现跑一些数据量比较大的代码和深度学习的时候太慢了，遂想装一下GPU版本，看了网上的资料搞了好几天，又是CUDA又是cudnn的，网速慢不说，装完还各种报错，最后发现随着anaconda和tensorflow的更新，现在利用anadonda只要一行命令就能完成。（装好虚拟环境后，直接看4.2）

1. 安装anaconda

　　这部分没啥难度，只要注意两点：

　　　　1.去官网下载https://www.anaconda.com/distribution/，而不要去清华的镜像站（已经很久没有更新了），官网下比清华慢一点，但相信我这是值得的。

　　　　2.安装的时候建议直接把两个勾都选上（网上的其他教程都建议不勾选然后手动添加PATH，但我发现直接勾上没问题，之后加PATH反而有各种问题出现）

　　　　#.如果之前电脑里已经有安装python，建议先卸载再装anaconda，这样能避免很多问题

　　　　做完这一步你就拥有了一个预装了很多包的base环境，包括pandas和numpy，足够初学者做很多事情了。

2. 换清华源

　　虽然上面说anaconda的安装包不要去清华上下，但是用镜像站来下载和更新python包还是可以的（能快上不少）。打开CMD，复制打入就行

　　　　　　　　　　　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

　　　　　　　　　　　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

　　　　　　　　　　　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

　　　　　　　　　　　　conda config --set show_channel_urls yes

3.创建一个另外的虚拟环境

　　起先看网上教程的时候一直不明白这一步有什么用，处理了很多报错以后发现这是为了避免依赖包版本冲突。例如你在官网上下载的anaconda，自带的base环境是python3.8，而tensorflow是建议装python3.6，它要求的各种依赖包也是python3.6时代的，直接在base环境下安装，需要将本来是最新的软件包降级，可能会影响其他包，最新的功能就用不到了。

　　所以创建虚拟环境可以完全避免依赖包冲突，需要使用tensorflow的时候切换过来就行。

　　3.1 打开CMD（如果你把anaconda装在了C盘，建议使用管理员运行，可以事先避免权限报错），键入:

　　　　　　　　　　　　conda create -n env_gpu python=3.6

　（env_gpu是你给虚拟环境起的名字，依个人喜好就行，网上大多叫tensorflow或者env_tf2，我这边叫env_gpu是因为我用这个环境来跑需要gpu加速的任务：tensorflow-gpu和cupy）