【前言】
1. 最近因为上课需要安装Anaconda和Tensorflow-GPU，Anaconda安装很容易，但Tensorflow-GPU版本的安装较为复杂，因为需要考虑版本匹配的一些问题，很容易出现问题。我花了两天多的时间终于安装成功，属实不易，下面分享一下我的安装过程
2. 安装环境
操作系统：64位Win10
GPU：MX130
IDE：VS Code
其他：CUDA10.0、cuDNN7.6.5
【安装过程】
1.安装Anaconda
版本：2019.03
百度网盘下载链接 提取码：ymt0
安装较为简单，这里只放几张较为重要的图片
2.安装CUDA10.0
CUDA是基于C语言的，可以让代码直接在GPU中运行的控制语言，所以第一步需要安装CUDA10.0，内含NVIDIA驱动程序（自定义安装时可以选择是否安装驱动）。
2.1 CUDA官方说明(感兴趣可以看一下)
下载地址：点这里
百度网盘下载链接 提取码：0jh2
选择适合自己电脑的版本下载，exe是可执行文件。
2.2安装CUDA
几个文件下载好之后挨个点击进行安装即可，会先检查系统兼容性，然后选择安装方式。程序默认的精简模式应该可以理解为安装所有东西，其中包括了我暂时不用的VS编译器和显卡驱动，所以我选择的是自定义模式。
接下来是选择安装路径。在其他同学的安装过程中发现更改安装路径容易出现一些问题，所以我就直接按照默认路径进行安装的，这样也便于下面配置环境变量，一路Next 直到完成即可。
2.3配置环境变量
安装成功后在系统的环境变量中会自动添加两个变量，如图：
但是这还不够，我们还需要再添加几个系统变量（根据实际安装版本和路径添加，一样版本和默认路径的可直接复制粘贴）：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
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
接着，在系统变量Path里添加变量，双击Path添加如下变量（同样根据实际路径填）：
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64
2.4检验是否安装成功
打开cmd命令窗口，切换路径（注意根据实际路径）
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite
分别运行以下命令
bandwidthTest.exe
deviceQuery.exe
若分别显示Result = PASS，则安装成功，如图：
3.安装cuDNN
cuDNN是CUDA的库，易于写代码。官网下载需要先注册英伟达账号。
3.1下载
官网下载地址：点这里
注意和前面的表格里的版本要求相匹配，这里我下载的是7.6.5，如图：
百度网盘下载链接 提取码：g5y8
3.2解压下载好的软件
解压后进入文件夹，按照下面的要求将文件放到相应的位置：
将解压后文件夹中include、lib/x64和bin文件夹中的.h .lib 和.dll 后缀的文件分别拷贝到cuda对应路径下的include, lib/x64, bin 文件夹下。
到这里就安装好了CUDA10.0及其对应的cuDNN文件，艰难的路程已经基本走完。
4.安装Tensorflow-gpu
4.1创建环境
打开Anaconda Prompt
先在命令行使用以下命令查看conda版本
conda --version
如果显示的版本是4.6.11，建议使用以下命令更新conda
conda update conda
接着，在命令窗口输入以下命令创建环境：
conda create -n tf-gpu python=3.7.3
然后激活刚创建的环境
activate tf-gpu
4.2安装
查看可下载版本
conda search tensorflow-gpu
结果如图：
然后选择自己想要安装的版本，这里以2.1.0为例
conda install tensorflow-gpu=2.1.0
4.3测试安装是否成功
打开命令提示符输入python
然后输入以下命令，一行一行的输入
import tensoflow as tf
tf.__version__
如果没有报错，说明安装成功
5.将Tensorflow-gpu环境导入到VS Code中
5.1安装VS Code的Python插件
5.2添加路径
通过Anaconda安装tensorflow时，一般会新建一个虚拟环境(env)，但是vscode在调试python代码时默认使用的是base环境下的路径，这就会出现无法解析tensorflow的情况。所以需要将tensorflow环境的路径添加到vscode的settings.json用户设置中，即可在vscode中搭建TensorFlow的开发环境。
注：tf-gpu为新建环境名，可能会有所不同，需要修改
打开settings.json文件步骤
打开 VSCode 编辑器后，点击左下角“设置”按钮。
打开命令面板，在弹出的选择框中，选择“Command Palette”
也可以使用快捷键“Ctrl + Shift + P”打开命令面板
在选择框的下拉列表中选择“Preferences: Open Settings (JSON)”
如果没有的话，可以在输入框中输入“settings”，这时就可以看到了
// tensorflow 配置
"python.pythonPath":"D:\\Anaconda3\\envs\\tf-gpu\\python.exe",
"python.autoComplete.extraPaths": [
"D:\\Anaconda3\\envs\\tf-gpu",
"D:\\Anaconda3\\envs\\tf-gpu\\Lib\\site-packages"
],
"python.autoComplete.addBrackets": true,
注：以上路径根据自身安装路径进行配置
5.3安装keras
到此就大功告成了！！！