Windows下tensorflow2.3.0-GPU下载安装教程
注意：
安装TensorFlow-GPU需要确认机器上有至少一张NVIDIA GPU，若已拥有，那么首先需要安装NVIDIA的框架cuda和cudnn，以发挥GPU强悍的运算能力。
查看电脑NVIDIA信息
1、桌面单击右键 > NVIDIA控制面板
2、点击上方菜单栏帮助 > 系统信息
3、点击组件即可查看NVIDIA相关信息
一、 安装visual studio 2019
在查找好自己电脑的NVIDIA信息后，首先需要安装vs2019，是因为在安装cuda的过程中需要使用对Windows操作系统支持良好的c++编译器对cuda源码进行编译。
（1） 下载vs2019
VS官网：VS官网
选择菜单栏的下载：
选择社区community免费版本下载即可。
（1） 安装vs2019
下载好后，双击exe程序进行安装：
单击继续开始进行安装准备工作：
准备工作结束后，会弹出安装选择界面：
C++是必选的，由于需要c++编译器对cuda源码进行编译，因此必须选择“使用c++的桌面开发”选项。
然后开始安装：
等待安装完成后，根据提示重启计算机，vs2019就安装完成了。
重启后第一次打开vs2019会要求注册，可以免费注册微软的账号并登录，也可以“以后再说”。
然后进入选项界面：
选择好后启动vs2019：
如果没有错误提示，则证明vs2019已经被正确安装。
二、 安装cuda
（1） 下载cuda安装程序
NVIDIAcuda的安装程序可以在NVIDIA官网中找到
NVIDIA官网链接：NVIDIA官网链接
点击下载
根据我的NVIDIA版本信息，我选择Windows版本cuda11.0下载：
依次单击Windows->x86-64->10->exe(local)
Cuda的下载界面，其中，base installer是cuda程序的核心安装包
（2）安装auda
双击执行下载的base installer（cuda_11.0.3_451.82_win10.exe）文件：
选择抽取文件路径：
在extraction path框中显示的是默认的依据用户名产生的路径，通过长采用默认路径即可，请尽量采用默认路径，不然后面可能报错，指定路径后，单击OK开始抽取文件路径。
抽取完成后，安装程序正是启动，并进行系统兼容性检查：
由于预先安装好了vs2019，而且有可用的GPU硬件，因此可以顺利通过。
检查通过后，会进入“NVIDIA软件许可协议”界面
选择“同意并继续”，进入“安装选项”界面：
一般选择精简模式就可以满足训练神经网络的需求，然后下一步。
耐心等待安装完成
安装成功图：
登录/注册NVIDIA账户
（3）检查cuda的安装情况
NVIDIA cuda会自动向系统中添加环境变量，在完成安装后，需要使新添加的环境变量生效，以检查安装情况。
使环境变量生效的两种方法：
① 重启计算机
② 对于win10系统，在开始菜单旁边的搜索功能中输入“cmd”
选择“以管理员身份运行”
这一步是为了确保系统能够重新加载环境变量，使新的环境变量生效。
通过手动加载环境变量或者重启加载环境变量后，即可检查cuda 的安装情况：
输入命令：nvcc -V
会打印出已安装的cuda的信息，则说明cuda安装完成。
三、安装cudnn’
（1）下载cudnn’
进入NVIDIA公司的官网界面，下载与cuda对应的cuDNN：
官网链接：官网链接
Cudnn下载链接：Cudnn下载链接
点击download
选择登陆或注册（免费）
下载好后的压缩包：
（2)安装cudnn
解压压缩包：
将cuda文件夹中的所有文件复制到cuda的安装目录下，覆盖原有的文件，即可成功安装cudnn
其中cuda的安装目录可以在系统环境变量中找到：
Cuda-path即为cuda的安装目录。
四、安装python
（1）检查python安装
可看出我安装的python版本为python3.7.4
若没有安装python，可自行查看相关安装教程，这里省略。
五、安装anaconda
（1）检查anaconda是否安装
打开终端（win+R->输入cmd），在cmd输入 conda –version
若没有安装anaconda，可自行查看相关安装教程，这里省略。
（2）检测已经安装的环境
在cmd输入conda info –-envs
这里如果没有新建其他环境的话，就只有一个默认的anaconda中的root/base环境。
（3）新建一个python3.7.4的环境
conda create --name tensorflow python=3.7.4
若出现如上警告：不用慌张，只要按照提示进行输入就好，继续输入：
conda update -n base -c defaults conda，对anaconda进行升级
在产生的“Proceed([y]/n)?”问题下，输入y继续配置进程，如果仍然产生error，则重复输入：conda
create -n py36 python=3.6；早晚会出现：Solving environment: done
可见此时的anaconda已经为4.8.4最新版本。
此时再继续创建虚拟环境名字叫做tensorflow 的python3.7.4的环境：conda create --name tensorflow
python=3.7.4；在产生的“Proceed([y]/n)?”问题下，输入y继续配置进程。
（4） 激活新建的环境
conda activate tensorflow
查看现在已安装的环境
发现除了原来默认的root环境，又多了一个tensorflow。
左侧的（tensorflow）就代表进入了新建的虚拟环境，这里是tensorflow。
（5） 先退出当前的环境
Deactivate
环境名字（左侧的（tensorflow））没了，表示已退出。
（6） 验证一下tensorflow环境中的python版本对不对
激活TensorFlow环境：activate TensorFlow
查看python版本：python --version
六、 安装TensorFlow
输入pip install TensorFlow-gpu -i https://pypi.douban.com/simple/
使用“-i”切换为豆瓣的镜像源（很快）
等待安装成功。
安装完成后，在终端控制台输入如下命令以检测安装情况：
到这里，tensorflow-GPU2.3.0环境安装完毕。
七、 Pycharm中创建虚拟环境
（1）新建一个空文件夹，记住路径
（2）打开pycharm、点击file、点击settings
选中project interpreter 点击下拉，点击show all
点击右上角加号
选择virtualenv environment 选择new environment 路径选择刚才新建的文件夹路径，base interpreter 选择python系统解释器路径，点击ok：
选择新建的环境
（3）创建成功后，刚才新建的文件夹会变成这样：
（4）点击pycharm窗口下方的terminal，出来命令窗口，进入路径内执行activate，可进入虚拟环境
