工欲善其事必先利其器先不说硬件条件，先来研究研究软件条件

1. Anaconda安装

通过安装Anaconda软件，可以同时获得Python解释器、包管理和虚拟环境等一系列便捷功能。

设置安装路径

将Anaconda添加到环境变量、选择Python版本

检查安装成功与否的方法：

Win+R打开运行程序，输入cmd回车进入命令行程序，输入conda list,回车

安装成功！

如果conda命令没有被识别，则说明安装失败，需要重新安装。

2. CUDA安装

选择本地安装的方式或者网络，我选择的是本地安装模式

设置安装路径并安装

安装完成后，在命令行输出

nvcc -V

回车后应该出现一下结果：

这就说明Anaconda3已经安装成功！

CUDA并不是针对神经网络专门的GPU加速库，它面向各种需要并行计算的应用设计。如果希望针对神经网络应用加速，需要额外安装cuDNN库。粗DNN并不是运行程序，只需要下载解压并配置Path环境变量即可。

将下载后的文件解压重命名后放到CUDA安装路径下：

然后配置Path环境变量：

根据计算机是否具有NVIDIA GPU显卡来确定安装性能更强的GPU版本还是性能一般的CPU版本。

使用国内的pip源安装：

pip install -U tensorflow -i <https://pypi.tuna.tsinghua.edu.cn/simple>

-U参数指定如果已经安装此包，则执行升级命令

（安装的时候选择管理员的方式）

检查安装成功与否

命令行输出python启动python环境，输入

import tensorflow as tf

回车没报错的话说明安装成功

继续检查GPU是否可用

tf.test.is_gpu_available()

或者使用

tf.config.list_physical_devices('GPU')

列出GPU

安装成功时返回True，否返回False，需要再次加测CUDA、cuDNN、环境变量等步骤。

CPU版本的安装：

pip install -U tensorflow -cpu -i https://pypi.tuna.tsinghua.ed.cn/simple

安装成功后可以使用


tf.__version__

查看TensorFlow版本

极简版安装方式：

conda create -n tf  tensorflow – gpu

conda activate tf2