主要是在conda下搭建GPU版本的TensorFlow，后续会提及Keras的安装

TensorFlow_GPU 1.15的安装

conda安装

anaconda官网下载安装即可。

创建conda环境

创建一个新的环境，主要是为了万一出错只删除这个环境就行，不影响你原来的Python环境，如果你足够自信的话，可以不用创建

conda create -n "你的环境名" python = python版本号

创建环境代码示例 创建成功后提示进入和退出环境的用法

conda activate + 你的环境名

成功进入环境后，如下图所示

pip安装1.15版本的TensorFlow-GPU

使用阿里的源进行安装

pip install tensorflow-gpu==1.15 -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com

由于网络的原因，可能会失败，多试几次就可。

以下还有一些其他的国内源

pip  install  -i    [镜像源地址]    [安装包] 
例：pip  install  -i  https://pypi.tuna.tsinghua.edu.cn/simple  tensorflow-gpu

pypi的国内镜像源：
清华大学  https://pypi.tuna.tsinghua.edu.cn/simple/
阿里云  http://mirrors.aliyun.com/pypi/simple/
中国科技大学  https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban)  http://pypi.douban.com/simple/
中国科学技术大学  http://pypi.mirrors.ustc.edu.cn/simple/

CUDA 10.0的安装

首先确认自己的电脑最高支持什么版本的CUDA驱动

打开英伟达控制面板控制

点击右下角的“系统信息”，再点击“组件”，看到NVCUDA.DLL后面显示的版本，大于10.0即可（向下兼容）

到官网下载CUDA

https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

然后点击download，有点大，但是下载不慢

开始安装

双击下载好的可执行文件，解压目录什么的建议用默认的，虽然占了C盘，但是这样稳一点

解压要花几分钟，正常的，不要急。解压完成之后进入下图的界面

这里可能也会花一点时间，视电脑情况而定

随后，同意许可；安装选项选自定义，然后无脑下一步。

注意，这里的路径记一下，一会儿要用。

有的可能会提示没有支持版本的Visio studio，可以去官网下一个，也可以暂时忽略（使用过程中没有发现什么影响），直接勾选框框，然后next。

安装成功如图所示

CUDNN 7.6安装

cudnn的安装很简单，在网上找到对应版本下载，然后将下图中三个目录中的文件(注意：是文件夹下的文件！不是整个文件夹！也不是子文件夹！是文件！)复制到cuda安装目录（之前让记住的那个）对应的文件夹下即可

我的云盘有7.6版本的，其余版本的就要自己上网找了

http://101.201.142.67:12/cloud/index.php?share/file&user=100&sid=AE83XVTY

提取密码： Uloze

检验安装是否成功

进入新建的虚拟环境，然后输入Python，再输入如下代码

import tensorflow

出现成功加载动态库，即安装成功

ps:如果报错找不到cudart64_100.dll，重启一下电脑，再重复上述试验步骤即可。

Keras安装

先找与自己tensorflow版本对应的Keras

如图，我安装的是2.3.1

pip install keras==2.3.1  -i https://pypi.tuna.tsinghua.edu.cn/simple/

安装成功后，输入

import keras

出现如图所示字样，安装成功

在新的环境中安装Spyder

首先打开anaconda navigator

随后切换到新建的虚拟环境

然后点击Spyder的install（这里需要墙出去，如果没有墙，建议在命令行换国内源安装）

vscode选择python解释器

安装完成之后，直接在vscode中运行代码，还会用base环境，导致报错找不到tensorflow

需要将python解释器变为自己的新配置的虚拟环境

Ctrl+shift+p，然后输入python select interpreter选择解释器

选择自己新建的虚拟环境，再运行代码即可

或者

在命令行输入 conda activate tensorflow-gpu

又或者

点击左下角，然后选择解释器

如果以上教程还不能让你成功安装，建议使用conda一键安装的命令

conda install cudatoolkit=10.0
conda install cudnn=7.6
conda install tensorflow-gpu=1.15

ps:这种方法我没有试过，但有同学安装成功