现在学习研究中深度学习基本上是标配了，而tensorflow作为常用的深度学习框架之一，且其2.0版本也改静态图为动态图，相当于对pytorch的优势的一次狙击，加之一直以来，尽管在tensorflow2.0版本发布前，其经常被用于作为Pytorch的一个反面教材，但是它的用户量一直以来都要远高于pytorch，而今2.0正式版也已经发布，其能否取代新晋网红pytorch的位置还不好说，但是这并不影响它老牌大哥的地位。废话不多说，直接讲怎么安装吧。
本文介绍的是tensorflow gpu版本在win10环境下的安装，其他版本的安装本文暂不提供。
安装条件：
请看官网上显示的软硬件要求：
软件需求就不多说了，各种驱动都能安装，而硬件则要求有nvidia的gpu且计算能力要在3.5以上。关于显卡的计算能力可以看这个网站：CUDA-enabled GPU cards
安装准备
安装tensorflow gpu 2.0 版本有几个需要提前下载的文件：
cuda 10.0：注意，目前（2019年11月30日）tensorflow gpu版本只支持到了cuda10.0，如果下载了其他版本会出一些问题，避免踩坑就下载这个版本吧
cudnn 对应cuda 10.0的版本：这个需要先注册一个账号然后下载对应于cuda版本的那个版本，当然如果和我一样那就下载对应cuda10.0的版本的
开始安装
首先下载anaconda，如下图，选择python3.7的版本的
下载并安装好后，打开anaconda prompt，开始创建一个虚拟环境给tensorflow。
conda create -n tf2 python=3.7
然后别急着去安装tensorflow，现在安装了也运行不起来，还有一些环境需要提前配置。
首先安装显卡驱动，这个一般大家都已经安装好了，但是以免万一，大家可以找找自己电脑上是否有nvidia控制面板（如下图），如果有就表示已经装好了，没有的话请大家去百度下安装吧。
然后是CUDA10.0的安装，安装路径什么的直接点next即可，但是需要注意，如下图所示（下图来自网络，版本号不对，但是界面是一样的），在这里选择自定义。
安装路径大家尽量不要去改，放在固态的运行速度也会快一点。关于安装的配置需要讲一下，如下图（同样来自网络，版本号可能不同，但是界面相同）。默认所有的组件都勾上的，但是并不需要全部安装，且有时候全部默认安装还会有问题。
首先是看新版本和当前版本两列，如果新版本的版本号比当前版本的版本号高，那么勾上也无妨，但是如果新版本的版本号还没有当前版本高，那么就记得取消勾选，毕竟让旧版本去覆盖新版本，可能会产生很奇怪的错误。其次，如果你电脑上没安装visual studio2010~2017中某个版本的话（亲测2019版本不行），就记得取消勾选下图红框选项（图同样来自网络），如果勾选了会报错，不要担心，tensorflow的使用不需要cuda安装visual studio的集成。
其他的安装就一路next下去即可。
然后将cudnn解压，并将其解压后文件复制到cuda安装目录下：
然后该配环境变量了，在系统环境变量PATH中将下述几条设置为置顶（这几条的顺序随意），前4条为cuda和cudnn的环境变量，第5~6条为anaconda的环境变量，如果之前安装时就已经选择将其加入环境变量的话则可忽略。需要注意的是，请大家注意自己的安装路径，如果你们改了默认的cuda和cudnn的安装路径的话，则和我这里会有区别，请视实际情况修改。
然后简单测试一下cuda是否安装成功且环境变量配置正确了
新打开一个cmd窗口，一定要新打开，之前打开的不行。
如下图所示，输入nvcc -V，如果输出和图中相同，则表示安装成功了
这时已经完成一大半工作了，接下来只需要安装tensorflow的本体即可。
打开anaconda prompt，输入conda activate tf2（这个tf2是你自己取的安装tensorflow-gpu2.0的虚拟环境的名字，如果不记得自己之前取的名字，可以输入conda env list查看）
然后进入tf2虚拟环境，如下图所示，注意最前面括号里显示的就是虚拟环境的名称
这个时候这个环境中已经安装好了python环境，但还没安装tensorflow
关于conda和pip的知识请大家酌情自己百度学习，这里直接讲如何操作。
官方网站上已经写出了安装命令，这里我们选择稳定版本，即pip install tensorflow-gpu即可，但是！亲测直接下载网速极慢，这里推荐使用清华源的镜像
但是由于清华源的未知原因，其网站显示如下图，这意味着我并不知道清华源的tensorflow版本是否是最新版，甚至有可能连2.0都不到，但是直接下载直接太慢，因此我决定试一试，目前tensorflow gpu版最新版为2.0,（后面没有跟rc1之类的，即之前有版本为2.0.0rc1等），因此我决定指定安装版本。
输入如下命令即可，亲测有效且速度很快：
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.0.0
安装完后，在tf2虚拟环境下，照如下操作检查是否安装成功，如果显示和下图类似则表示安装成功：
