Anaconda深度学习 (太方便了趴)卸载tensorflow(cpu版本)导入tensorflow-gpu (gpu版本) ----太方便了趴

前期在是在用tensorflow 这个默认是cpu版本也很好装，但是考虑到我们科研项目后期是要用到深度学习，所以直接把tensorflow包卸载掉了改用tensorflow-gpu（毕竟大工程用gpu跑数据不是一般的快），这个用 Anaconda工具(管理python包工具) 进行卸载包可以说是非常方便了，直接点击要卸载的包前面的方框选择 mark of removal 进行卸载，然后tensorflow(cpu版本)就轻而易举卸掉了，然后就可以装gpu版本的tensorflow

大前提：你的电脑是支持GPU的，你需要查看你的电脑的显卡信息，然后看看这个网页里面包不包含你的GPU

查看这个网站—>NVIDIA CUDA

首先我们要要建一个虚拟运行环境(下面+create environment)，好管理相关包

我这里是已经建了一个tensorflow环境了，搜索出来tensorflow-gpu里面有1.8和1.9版本，我用的是1.8版本已经install了，所以这里not install也就只有1.9了

搜索包

选择1.8版本

在你选择tensorflow-gpu-base包的时候下载时，anaconda会默认帮你选择下载cudatoolkit9.0 cudnn7.3.1(英伟达深度学习加速包)；还有注意，如果你的包半天都下载不出来，还报一些错误，这是说明因为一些包在国外的服务器上导致网络会非常卡不稳定，需要去更改源 ，去使用清华镜像网站 或者 中科大镜像网站 下载速度会提升很快，这个百度上很多教程教你具体更改操作，可以自己去尝试

打开终端并且运行anaconda里面默认的python Open with Python

因为anaconda是python的一种发行版本所以里面自带python，毕竟python开源，而且anaconda 里面扩展了python，所以在打开终端open with Python的时候是默认使用anaconda 里面的python ，所以也就意味着你不用再去下其他python解释器了，可以说集成了

运行这段测试代码

import tensorflow as tf
x=tf.constant([[1.0,2.0]])
w=tf.constant([[3.0],[4.0]])
y=tf.matmul(x,w)
with tf.Session():
    sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
    print(sess.run(y))

你可以看到使用的是GPU运行

如果出现了一些警告信息关于

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
这是因为你的电脑支持一些CPU加速指令，但是如果你是用GPU的tensorflow就不用管啦，只需加上下面两句可以消除警告

了解详情警告信息请看这篇