Win10系统下Anaconda的tensorflow-gpu + CUDA和CUDNN成功安装
Anaconda
Anaconda介绍
Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。
Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。
Miniconda包括Conda、Python。
conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。
Anaconda下载
官网下载地址：https://www.anaconda.com/download/
Anaconda可以在多个平台使用，例如Windows、linux、macOS，此次我们在Windows上运行，所以选择Windows版本，我选择的是Python3.7 version 64-Bit Graphical Installer(462MB)。
可以根据自己的实际情况来选择合适的版本，由于网速或者其他原因，这里有可能时间比较长，这里给出我下载版本的百度网盘的链接：链接：https://pan.baidu.com/s/16LvPeX2GRWB265_Vhbvfdg
提取码：e0ug
Anaconda安装
双击我们下载好的Anaconda3-2019.10-Windows-x86_64.exe文件
点击Next
点击I Agree
对于选择Just Me 还是 All Users，大多数人只有一个User，如果你电脑有多个Usres，才考虑这个问题，所以我们这里随便选择一个就行。
选择自己的安装路径，只要内存够，放在哪里都可以
这里是高级选项的意思，第一个是加入环境变量，第二个是默认使用Python 3.7，我们在这里只需要默认就可以
我们在这里把默认选择的两个√取消，然后点击Finish就完成安装了。
Anaconda环境配置
Windows中，控制面板/系统和安全/系统/高级系统设置/环境变量/用户变量/PATH 中添加 anaconda的安装目录的Scripts文件夹, 比如我的路径是:F:\Anaconda\anaconda\Scripts，根据自己当时的安装路径修改。然后打开命令行cmd（管理员模式打开）输入conda --version，若输出 conda+版本号就说明环境变量设置成功。
若出现错误我们有可能环境变量设置错误，或者尝试在命令行输入conda upgrade --all 把所有工具包进行升级。
Tensorflow-Gpu
前提
官网介绍了关于安装的要求，本次在Windows中安装，官网地址为https://tensorflow.google.cn/install/source_windows
官网对安装Tensorflow GPU版提出了一些要求。要安装GPU版，首先确认自己电脑的显卡是否满足要求。到电脑的设备管理器中，点开“显示适配器”可查到显卡型号。
官网版本对应图片：
Tensorflow-gpu安装
打开Anaconda Prompt，可以配置清华镜像，如果打不开，只需用记事本打开，然后把https中的s去掉即可打开。
创建运行环境
conda create -n tensorflow python=3.6
激活环境
activate tensorflow
确保tensorflow环境已经成功添加：
conda info --envs
安装tensorflow，我这里安装的是1.7.0版本的，自己可以根据上面图片选择适合自己的版本
pip install tensorflow-gpu==1.7.0
确认tensorflow安装成功
首先进入我们刚才创建的环境，activate tensorflow；然后输入python，进入python编译环境中，最后在输入
import tensorflow as tf，这里会出现错误，是因为我们未安装与tensorflow-gpu1.7.0版本相对应的CUDA与CUDNN，所以接下来介绍安装。
CUDA和CUDNN安装
CUDA安装
CUDA安装包可以从NVIDIA官网下载，官网链接https://developer.nvidia.com/，但是需要根据的安装Tensorflow-gpu的版本选择对应的版本，因为在上面我选择的是版本为1.7.0，这里直接给出百度网盘的链接：链接：https://pan.baidu.com/s/1_TUsQ88OsNNvFjg6ySZg4w
提取码：ix8r
在CUDA安装的过程中，我们只需要点击cuda_9.0.176_win10.exe然后一直点击next就可以，选项默认就可以
在安装完CUDA后，我们接着安装CUDNN
CUDNN安装
同样，官网链接：https://developer.nvidia.com/cudnn，但是需要登录并且填写问卷才能下载，为了方便，我们直接给出与上面相对应的版本的百度网盘的链接：链接：https://pan.baidu.com/s/1HNvRDPOLvWMP9-HUlUHqnw
提取码：51gu
下载下来以后，我们把压缩包解压到相应的文件夹，
然后将解压出来的三个文件夹里面的文件复制到CUDA中对应的相同的文件夹中
CUDA默认安装路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
配置环境变量
右击此电脑->属性->高级系统设置->环境变量，可以看到系统变量中已经多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
在系统变量PATH的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
然后再添加（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\bin\win64；
以上均属于默认安装位置的环境变量的配置，若选择了自定义安装，则上述环境变量的默认路径都需要修改为你自定义的路径
下图是我的环境变量设置：
以上便是CUDA和CUDNN安装的全过程。
测试
当然，在我们已经安装完成，第一步就是赶紧去测试测试自己的成果。
打开Anaconda Navigator，然后在Applications on切换自己创建的环境，例如我在上面创建的tensorflow，然后打开Jupyter Notebook，若直接打不开就是浏览器的问题，可以尝试使用360浏览器为默认浏览器，以下便是我打开的界面：
然后点击右上角的new，python3就创建了一个python文件，复制以下代码：
%matplotlib inline
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
train_X = np.linspace(-1, 1, 100)
train_Y = 2 * train_X + np.random.randn(*train_X.shape) * 0.3
plt.plot(train_X, train_Y, 'ro', label='Original data')
plt.legend()
plt.show()
若运行成功，则说明我们此次安装圆满成功！
下图是我运行成功图：
