前言：
最近博主在做毕设，需要用到TensorFlow深度学习框架，之前有在Anaconda环境下安装过TensorFlow的CPU版本，详情见下方Anaconda||（踩坑无数，含泪总结！！！）Anaconda的卸载与安装（tensorflow+Keras+spyder+添加镜像源）_Inochigohan的博客-CSDN博客目录一、Anaconda简介二、Anaconda的卸载2.1 普通卸载2.2 彻底卸载一、Anaconda简介Anaconda指的是一个开源的Python发行版本，可以便捷获取包且对包能够进行管理，同时对环境可以统一管理，其包含了conda、Python、numpy、scipy、ipython notebook等180多个科学包及其依赖项。Anaconda利用工具/命令conda来进行安装包和环境的管理，并且已经包含了Python和相关的配套工具。...
https://blog.csdn.net/Inochigohan/article/details/120400990 TensorFlow的CPU版本安装相对容易，但在训练大型神经网络或者大规模数据时，CPU版本的速度可能会很慢（谁试过谁知道(T_T)，所以还是推荐安装TensorFlow的GPU版本的，这种情况下还需要安装CUDA和cuDNN，有亿丢丢复杂hhh
目录
一、检查电脑是否支持GPU
1.1 查看电脑相关配置
打开电脑的“控制面板”，找到NVIDIA控制面板，查看“系统信息”。博主的电脑配置是Windows10 64位操作系统的，有块GeForce MX130显卡，因此可以考虑安装TensorFlow的GPU版本。
补充知识点：如何查看笔记本电脑里的显卡
1.2 检查是否支持安装
也许有小兄弟的电脑显卡型号和博主不太一样，不知道自己的显卡支不支持安装TensorFlow的GPU版本，可以去英伟达官网 看看 。
博主的显卡型号是GeForce MX130，在下图“支持CUDA的GeForce和TITAN产品”栏目列表中其实是找不到的，但网上有教程说英伟达的那个列表其实已经很久没有更新了，因此仅供参考。本文亲身试验使用GeForce MX130安装TensorFlow的GPU版本，发现其实是可行的( •̀ .̫ •́ )✧
1.3 注意版本对接
安装TensorFlow的GPU版本，还需要相应安装CUDA、cuDNN、Python，因此我们需要注意安装包之间的版本对应问题，可前往此处查看：在 Windows 环境中从源代码构建 | TensorFlow（图是网上找的，因为博主翻不了墙打不开网址T_T)。
二、安装CUDA
2.1下载和安装
CUDA是NVIDIA推出的使用GPU资源进行通用计算的SDK，CUDA的安装包里一般集成了显卡驱动。官网下载地址为：CUDA Toolkit 10.0 Archive | NVIDIA Developer
进入官网后可根据自己的需求下载相应的安装版本。
运行下载好的.exe文件，建议不要修改路径（网上好多博文说修改路径会不完全安装，为了避免后面不必要的麻烦，还是默认安装路径吧(￣_,￣ )，然后next
程序默认的精简模式会安装所有东西，包括可能不会用到的VS编译器和显卡驱动，所以选择自定义模式，顺带在下一步选择驱动程序组件时把VS编译器和显卡驱动的勾选取消掉。
然后一路next直到finish ♪(´▽｀)
2.2 配置环境变量
软件安装完后会自动在系统的环境变量中添加两个变量
我们还需自行添加几个变量（根据实际安装版本和路径添加）；同样在系统变量Path里也要添加变量，按自身实际情况填写，如图所示：
2.3 检验软件是否安装成功
打开电脑的命令行窗口（在桌面搜索框中输入cmd即可），切换到所需路径，分别运行以下命令bandwidthTest.exe和deviceQuery.exe
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite 安装成功则如下图所示。
三、安装cuDNN
3.1下载和安装
官方下载网址为：cuDNN Archive | NVIDIA Developer
此篇博文下载的是cuDNN 7.4.2，因为前面安装的CUDA版本为10.0。请根据1.3 注意版本对接里的表格选择对应版本。初次下载的话需要先注册个账号，填完个人信息就可以下载啦~~
若找不到下图的小兄弟，可以在浏览的网址搜索栏输入cuDNN Archive | NVIDIA Developer转到下图界面。
3.2 解压文件并放到相应位置
找到从浏览器下载的压缩包，并进行解压。解压后进入该文件夹，将.h .lib 和.dll 文件分别复制到安装CUDA所在路径下的include, lib/x64, bin 文件夹内。
四、安装TensorFlow-GPU
4.1创建环境与安装
安装TensorFlow-GPU版的步骤其实和CPU版本差不多。此博文借助Anaconda软件进行安装。首先打开Anaconda Prompt，创建一个虚拟环境eve-gpu，对应Python版本为3.6，使用conda info --envs确保环境创建成功。
conda create -n eve-gpu python=3.6
conda info --envs
激活eve-gpu环境，进行TensorFlow-GPU版安装，记得指定版本号！！！（不指定版本号的话默认安装最新版，那之前CUDA、cuDNN的安装就白费了。。。
4.2验证安装成功
运行Python，输入下面代码进行验证，有图可知TensorFlow-GPU版本号为2.0.0，说明安装成功
#验证TensorFlow
import tensorflow as tf
tf.__version__
#验证CUDA
a = tf.test.is_built_with_cuda()
print(a)
physical_devices = tf.config.experimental.list_physical_devices('GPU')
print(physical_devices)
至此，完结撒花\^o^/ \^o^/ \^o^/