最近毕业设计结束，电脑资料太乱，重装win10，重新配置深度学习开发环境，刚刚开始看了大量的博客，发现之前要下cuda+cudnn,入坑一天，配置好几次都是import tensorflow as tf ERROR，第一行出错。直到我看到自己在anacanda安装tensorflow-gpu时，内部自己自动安装cuda和cudnn,我才发现，好像不用自己去单独下，可能那样会破坏Anaconda3的环境。

1.安装显卡驱动

我的显卡是GTX1050，去对应的厂商官网下载驱动

官网链接：GEFORCE官网链接

选择自己显卡的型号，要是不知道显卡型号，右键，此电脑-》属性

上面那个是Intel集显，下面是我电脑独显，用独立显卡进行深度学习训练

然后搜素到不同的驱动版本如下：

一般下载studio driver驱动，因为其他都是游戏驱动，此处框框里面，两个驱动只是版本不一样，选哪个下载都行

安装驱动

同意-》自定义

等待安装完成，安装路径默认吧，安装完成后，查看自己GEFORCE兼容cuda适合的版本。

图中也就是说明我GEFORCE兼容cuda10.2和10.2以下的版本才能跑（CUDA驱动版本要满足CUDA运行版本）

否则，你单独安装cuda会出现：CUDA driver version is insufficient for CUDA runtime version的情况。

2.安装Anaconda3

我安装的是Anaconda3-2018.12-Windows-x86_64

anaconda清华镜像下载链接

别安装太高版本的python环境，否则你每次新建环境都得写python版本，建议装3.6.X 版本,高低版本 tf 都兼容，以后环境转换方便。

Anaconda3安装无脑点下一步，记住自己安装的位置就行。

3.安装pycharm2020.1.2

安装以及破解参见链接

4.在anaconda3里面配置环境

常用指令链接：anaconda常用指令

打开

首先创建一个mytf的环境

conda create --name mytf python=3.6

用conda env list 查看系统中的所有环境，此处说明我系统中有两个环境，一个base一个mytf，mytf是刚刚创建的

其次进入mytf环境

activate mytf

最后在mytf环境下安装tensorflow-gpu

conda install tensorflow-gpu=1.14.0

以下是我具体操作过程：

框框里面已经有cuda和cudnn包了自动会调整版本，不需要自己去手动去官网再次下载cuda和cudnn配置，不得不说，anaconda包管理还是很不错的，节省开发时间。

5.pycharm使用anaconda环境

在pycharm选择

在anaconda3目录下有个envs，找到python.exe选择ok，这个目录下就是自己创建的mytf环境,anaconda3根目录下python.exe是base环境。

和之前在anaconda prompt命令行里面看到的一致。

添加一个py代码，跑一下这个程序

"""
HelloWorld example using TensorFlow.
"""from __future__ import print_functionimport datetime
import tensorflow as tfprint('Start at: ', datetime.datetime.now())  # 开始时间hello = tf.constant('Hello, World!')  # 定义一个常量sess = tf.compat.v1.Session()  # 开始执行tensorflow的会话# 打印输出
print(sess.run(hello))  # b'Hello, World!'
print('End at: ', datetime.datetime.now())  # 结束时间

直到出现helloword,说明成功

完成了。。。

总结

打开anaconda的图形化界面

其实在anaconda prompt命令行里面指定安装tf版本等于多少，anaconda自动会给你看看包依赖，得安装什么包，之前有遇到问题说vs2015，2017没装，还有什么包没更新，里面某个模块的版本要降，那些都是没用anaconda包管理，自己手动安装项目的环境。其实不如交给anaconda安装的时候去检测，省得一直走弯路。人生苦短，我用anaconda+pycharm。