GTX 1660TI+Tensorflow2.0 GPU版+CUDA10.0+Anaconda3+PyCharm开发环境配置

声明：这篇文章部分内容借鉴了以下文章
Windows 10 下 Anaconda 轻松安装 Tensorflow 2.0 GPU 版本
但是这篇文章里面有错误和不完整，我在此基础上进行了修正和扩充。

0.事前准备

1.良好的网络以及ke-xue-shang-net工具
2.在Geforce Experience中将你的显卡驱动更新到最新版本，并记住版本号
3.确保你是GTX 1660TI显卡

首先进入Anaconda官方网站下载安装包，直接拖到页面最下方

然后按照默认选项安装就行

1.首先查询官网，确认你的显卡驱动支持的CUDA版本。以下是2020年7月的支持情况：

你会发现你的显卡驱动版本很可能支持到CUDA11，但是注意目前（2020年7月）tensorflow最高只支持CUDA10.0，所以最好确认当前tensorflow最新版本支持的CUDA版本

2.进入NVIDIA官网下载CUDA。各种选项参考下图，然后开始下载，此处不挂梯速度更快。

下载完成后按照默认选项安装，一般安装过程中会自动添加环境变量，如果后面出问题，可以看一下环境变量中是否有CUDA10.0的环境变量

进入官网，这里需要开发者账号，如果你有nvidia开发者账号，直接登录，没有就注册一个。选择与CUDA10.0对应的cuDNN，如下图：

下载完毕是一个压缩包，解压缩之后，把里面所有东西复制，然后粘贴到你的cuda10.0根目录下

NVIDIA GPU Computing Toolkit\CUDA\v10.0\

打开命令提示符CMD，输入
nvcc -V
如果安装正确，你会看到：

这就代表CUDA安装成功

1.打开Anaconda Prompt，为Tensorflow 2.0 配置一个虚拟环境
conda create -n tf2 python=3.7

2.激活环境
activate tf2
3.安装Tensorflow
pip install tensorflow-gpu==2.0.0rc1

注意：此处需要ke-xue-shang-net环境，如果你出现hash对应错误，超时等错误，都是网络问题，删除tf2环境从头再来，删除环境操作方法参考我的这篇文章

仍然在tf2环境下，输入python，进入python交互环境，然后依次输入以下测试代码：

import tensorflow as tf 
print(tf.__version__)
print(tf.test.is_gpu_available())

正确结果上图，最重要的是最下面出现True

import os 
os.system("nvidia-smi")

到此为止Tensorflow的安装结束。

打开PyCharm，打开File->Settings–>Project->Project Interpreter，添加并使用Tensorflow虚拟环境下的python解释器，如下图：

然后安装keras等你需要的包，到此就结束了，可以开始写代码了。