更新
关于tensorflow-gpu环境的搭建
如果你已经安装好anaconda的话，现在再也不用单个下载cuda、cudnn了
在虚拟环境中使用conda install tensorflow-gpu可以直接将使用tensorflow-gpu所需要的包全部下好（包括cuda和cudnn，但是下载比较慢，建议像先换源），而且版本也都是对应的，唯一需要注意的是你的显卡驱动版本和cuda的版本对应关系
这里我不具体写搭环境的步骤，我讲一些查询版本的方式
- 查询显卡的驱动版本
Driver Version，如果你安装了cuda，那这里也会出现CUDA Version的字段
image.png
- 查询cuda版本所对应的显卡驱动版本,确保你的机器上的两个东西版本是对应的https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
如果不对应，你可以选择在https://www.geforce.cn/drivers
升级或回退显卡驱动，也可以选择升级或回退cuda（我选择升级了显卡驱动）
-
也可以在nvidia控制面板查询你所需要安装的cuda版本
image.png 可以使用
conda install tensorflow-gpu安装tensorflow-gpu所需要的包-
使用
conda list查询版本信息
image.png
搭建Python+anaconda+tensorflow环境
首先不得不说python真的对版本兼容要求很严苛，如果版本不统一，那你一定跑不起来代码
操作系统：windows10
在安装任何东西之前，先检查你的电脑有没有安装python的任何版本，如果有，建议全部删除，否则会头秃
安装anaconda
官方网站https://www.anaconda.com/download/
安装的时候一定要注意这个界面，两项都打勾
如果没打勾的话，就要手动配置环境变量
将
...\Anaconda3和...\Anaconda3\Scripts都加入环境变量
完成之后，cmd键入conda --version检测是否有效
建立虚拟环境
cmd运行conda create --name tensorflow python=x.x这会建立一个虚拟的python环境，这个环境的名字叫tensorflow(无所谓起什么名字)，要注意的是python的版本
先来到的官方网站https://pypi.org/project/tensorflow/
查看一下目前tensorflow都支持什么版本什么操作系统的python，这是因为anaconda内置的python版本不一定和目前最新的tensorflow不一定版本兼容，所以一定要先知道目前tensorflow支持的python版本，然后再创建相应的虚拟环境
虚拟环境建立好之后，可以通过activate tensorflow进入虚拟环境
通过
deactivate退出虚拟环境
安装tensorflow
进入虚拟环境后
cmd键入pip install --upgrade --ignore-installed tensorflow下载tensorflow
如果在这个命令之后，有提示说需要你升级你的pip的版本，那么你就根据上面的提示进行命令安装就可以了
完成安装之后，按理来说，你可以
但是哼哼
接下来是踩过的坑
如果你的tensorflow下载很慢
那么
pip install --index-url https://pypi.douban.com/simple tensorflow
或
pip install --index-url https://mirrors.aliyun.com/pypi/simple/ tensorflow
Anaconda创建环境：
conda create -n py36 python=3.6//创建python=3.6版本的环境，取名叫py36
删除环境（不要乱删啊啊啊）
conda remove -n py36 --all
进入命令提示符窗，然后通过conda命令安装matplotlib这个包
conda install matplotlib
升级numpy
pip install numpy --upgrade
pip使用国内镜像下载包
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple +packetname
tensorflow加载mnist数据报错
from tensorflow.examples.tutorials.mnist import input_data
mnist=input_data.read_data_sets("MNIST_data/",one_hot=True)
报错
TimeoutError Traceback (most recent call last)
TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。
在已有数据集的情况下可以
mnist=input_data.read_data_sets("C:/Users/username/Desktop/MNIST_data/",one_hot=True)
python文件输出
f = open("out.txt", "w")
f.write('要写的东西\n')
f.close()