win10 conda安装tensorflow-gpu+cuda+cudnn

更新：
2020.7.23：增加了北外镜像地址

准备

0. conda会为你的电脑自动安装匹配的适合的tensorflow-gpu，cuda，cudnn无需自己复杂的查找，但是前提条件是你的anaconda没问题，下载的镜像源也没问题，conda不熟悉的推荐百度一下学习真的很好用。
1. 下载安装anacond。
2. 创建虚拟环境，除非特殊需求否则强烈建议新建环境避免奇怪错误。
3. python版本3.6。
4. 更换镜像，下载更快且一些镜像太旧可能会导致失败至少我这次镜像是成功的，如果你能高速度连接anaconda的国外服务器最好，肯定最新，就不需要这一步了，我一开始是清华某镜像但是听说停用了，又找了最新的。
   参考：更换清华源镜像
   发现用不了了，推荐大家以后直接去清华官方找源，我百度一堆都用不了还以为我电脑问题，结果去官方一改就好了…:清华官方镜像地址
   清华官方地址教你的换源方法和普通换源方法不一样是改写 .condarc文件.
   linux运行conda config即可得到该文件或直接在用户目录下创建.condarc
   打开该文件后进行修改即可
   不会的话可以百度或者直接问我
   清华用的人太多了很慢，为了分担清华源镜像的压力，最近北京外国语大学也开启了镜像站点，同样是由清华TUNA团队维护的，如果有小伙伴遇到清华源速度很慢的情况的话，可以考虑换成北外的镜像。
   外国语官方镜像地址
5. 更新conda，如果你原先安装过anaconda，可能不是最新的了推荐更新一下，可以尝试输入conda install numpy，如果不是最新版本会有警告并提醒你升级conda。

conda update -n base -c defaults conda

7. 其中4,5步最好都做我一开始没做出现了错误，在import tensorflow时会出现 ImportError: DLL load failed:Failed to load the native 之类的，很多错误报告忘记截图了。原因应该是镜像或者是conda非最新导致下载少东西了，如图
   图一：正确执行4，5步骤后下载的文件，这里还没列完超过一页显示了
   图二：抱歉没有截图也复现不了，但是写出来也能理解，4,5步没有执行，下载的文件就8-10个左右。tensorflow只有一个版本就是tensorflow-gpu。
   而图一的安装完后会有4个
   tensorflow
   tensorflow-base
   tensorflow-estimator
   tensorflow-gpu
   其他还有各种需求的依赖包也安装了，所以我估计错误原因是少安装了很多东西导致的，解决方法就是更新anaconda和源

安装

其实搞定准备步骤后安装就非常简单了conda帮你搞定一切复杂问题

conda install tensorflow-gpu

测试

python
>>> import tensorflow as tf
>>> tf.compat.v1.Session()

若成功安装会出现，自己机器的GPU信息等内容

2020-01-08 16:45:10.116345: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library nvcuda.dll
2020-01-08 16:45:10.191656: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1618] Found device 0 with properties:
name: GeForce GTX 1060 6GB major: 6 minor: 1 memoryClockRate(GHz): 1.7335
pciBusID: 0000:01:00.0
2020-01-08 16:45:10.198283: I tensorflow/stream_executor/platform/default/dlopen_checker_stub.cc:25] GPU libraries are statically linked, skip dlopen check.
2020-01-08 16:45:10.203311: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1746] Adding visible gpu devices: 0
2020-01-08 16:45:10.206730: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
2020-01-08 16:45:10.215299: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1618] Found device 0 with properties:
name: GeForce GTX 1060 6GB major: 6 minor: 1 memoryClockRate(GHz): 1.7335
pciBusID: 0000:01:00.0
2020-01-08 16:45:10.221127: I tensorflow/stream_executor/platform/default/dlopen_checker_stub.cc:25] GPU libraries are statically linked, skip dlopen check.
2020-01-08 16:45:10.226595: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1746] Adding visible gpu devices: 0
2020-01-08 16:45:10.995465: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1159] Device interconnect StreamExecutor with strength 1 edge matrix:
2020-01-08 16:45:11.000585: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1165]      0
2020-01-08 16:45:11.002715: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1178] 0:   N
2020-01-08 16:45:11.006338: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1304] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 4708 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1060 6GB, pci bus id: 0000:01:00.0, compute capability: 6.1)