【深度学习】安装Anaconda3.5.3（18年12月版）及tensorflow1.13，同时兼容python3.5.6及tensorflow1.10踩坑经验

Anaconda3.5.3安装

方案1. 可以直接从官网https://www.anaconda.com/distribution/，默认下载最新版本，19年3月27日为python3.7.1版本
方案2. 清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，速度快很多，找到对应版本即可

【流程】：很多博主已经给过安装流程，不赘述，引用参考（根据自己需求勾选安装界面相关内容）如，https://blog.csdn.net/weixin_38283428/article/details/84201733
如，https://www.cnblogs.com/HongjianChen/p/8385547.html

Tensorflow1.13安装

1.因tensorflow1.13已经全面支持python3.7，故追求最新版本的童鞋可以考虑直接在anaconda安装后的prompt

2.命令窗口里输入如下代码，载入清华镜像以提高加载速度：

	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

三段代码分三次输入并执行。

3. 如果想独立出一个tensorflow环境，可以参考上面我给出的博主安装tensorflow的链接。但是此方式会重新生成一个环境安装的空间，使得anaconda占的内存变大，变得冗余。当然有需求或者ssd足够大的童鞋可以忽略这个直接跳转上面的链接。
   如果不想额外占用空间建一个新的目录，直接在原环境下添加tensorflow可以按照以下操作：
   （1）直接在在prompt命令窗口输入：conda install tensorflow，此命令安装的是cpu版
   （2）在稍等一会后，会有让你输入y/n的命令提示
   （3）输入y即可自动完成安装 tensorflow
   这个操作会自动帮你安装配置CUDnn以及CUDAtoolkit，自动匹配。
   若想检测是否安装成功，只需在完成上述命令后执行 conda list即可查看已经安装好的环境。

4. 如果安装tensorflow-gpu版本，则需要将上面一条的命令改成conda install tensorflow-gpu即可
   ps：该命令安装tensorflow-gpu版本会自动安装tensorflow cpu版
   其余同上。

   完成上述操作后在prompt中运行python，并输入代码自测一下即可
   import tensorflow as tf
   hello = tf.constant(‘Hello, TensorFlow!’)
   sess = tf.Session()
   a = tf.constant(1)
   b = tf.constant(2)
   print(sess.run(a+b))

5.如果想在最新版本anaconda下同时使用老版本python以及对应的老版本tensorflow，一样很容易：（以python3.5和tensorflow1.10为例）
（1）打开anaconda，找到create，单击
（2）在弹出的窗口中选中python3.5并输入你希望起的名字，点击create后，anaconda便自动为你安装python3.5下的相应基础环境。稍等片刻等待安装

（3）在新环境下配置tensorflow等，打开prompt，输入activate tensorflow (注，此处的tensorflow为个人在上一步骤所创建的新环境名称)。

随后输入conda install tensorflow，稍等系统读取片刻，系统便会自动安装python3.5下支持的tensorflow1.10版本及其所对应的基础环境包。

最后在prompt中输入conda install spyder，安装完再输入conda install juypter，即可完成在该环境下的tensorflow软件配置。

删除安装后冗余的环境包的压缩文件

从prompt下conda install的环境包有点略占空间，在执行完该命令后压缩包文件是默认保存的。可以按照我的方法，找到anaconda安装路径下的pkgs文件下，找到压缩文件如图所示，全部选中删除即可。

另，一个报错的解决方案

原文在此
https://blog.csdn.net/Invokar/article/details/86528899#commentBox
tensorflow版本过高时有很多兼容问题，报错是常见的。

UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.

这个报错我是采取原博主方案二解决的，没有降tensorflow版本，毕竟降tensorflow版本还同步需要降低python和其他好多东西版本，太恶心。