因为之前一直使用tensorflow，最近需要安装caffe，但是网上的大部分教程都没有说怎么在已经有tensorflow的同时安装caffe，这其实很简单。

首先，安装anaconda

anaconda是一个环境管理工具，安装anaconda的原因是它可以将tensorflow和以后caffe的安装环境隔离开，因为在网上已经有不少的文章表示，直接将两者安装在同一环境下会出问题。anaconda的版本无所谓，里面配置的python版本也无所谓，因为可以新建环境。

anaconda的安装可以直接在官网下载安装文件，不过官网的速度会比较慢，可以去清华大学镜像网

下载，安装过程就是普通的软件安装，安装到任意你想要放置的硬盘中。

安装完成以后，打开终端cmd，输入conda --version可以查看安装的anaconda的版本

此时要注意，安装完anaconda以后，python解释器也已经安装，后续安装过程因为创建了不同的环境，所以还会安装各个环境下的python解释器，在使用时要注意区分。

tensorflow的安装

tensorflow有cpu和gpu两种版本，根据自己的硬件条件进行选择，其中，cpu版本安装简单，但是运行速度较慢，这是由于硬件的限制。

因为我安装的是gpu版本的tensorflow，所有我重点记录gpu版本安装过程。

我的显卡是N卡，在安装之前还有一些准备工作要做，需要先安装CUDA和cudnn，CUDA是NVIDIA专门针对深度神经网络(Deep Neural Networks)中的基础操作而设计基于GPU的加速库，cuDNN只是NVIDIA深度神经网络软件开发包中的其中一种加速库。

1)、CUDA的安装

CUDA的安装过程很简单，只要在官网上下载可执行文件，进行普通的安装即可，关键在于版本的选择。

首先我们需要在桌面右键选择NVIDIA控制面板，在打开的界面里，选择左下角的系统消息，进去以后选择组件

可以看见我的显卡支持的CUDA最高版本是9.1.75，这意味着我只能选择在这以及之前的版本，而不能想当然的选择最新的10版本，我知道，肯定有人跟我一样莫名总喜欢最新的。我们可以在这里选择我们需要的版本进行下载安装。

安装完成以后，在终端输入nvcc -V检查自己安装的版本

可以看到我安装的是9.0版本的。

2)、cuDNN的安装

cuDNN的安装需要和CUDA的版本进行匹配，可以在这里进行选择，下载。

下载完成以后，将安装包进行解压，会有三个文件夹：bin，include，lib

分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0对应的include、lib、bin目录下即可。

3)、tensorflow的安装

①、创建tensorflow的环境

在终端输入conda create --name tensorflow-gpu python=3.6

此时进入安装anaconda的目录下，你可以在./envs下看到tensorflow-gpu已存在，打开它，你会发现有新的python解释器存在。

我安装的tensorflow版本是gpu版本的，这里取的名字tensorflow-gpu是随意的，只要自己能够区分就可以，另外python的版本也是随自己开心就好，只要注意tensorflow的不同版本支持的python版本能够互相对应就可以。

想要查看不同版本号的tensorflow所支持的python版本，可以去官网或者清华镜像网

②、回到安装过程，在上面的截图中可以看见，tensorflow的环境已经被创建了，但也仅此而已，事实上，我们的tensorflow还没有安装，因为需要安装在我创建的环境里面，所有首先要做的是激活我们的tensorflow环境：activate tensorflow-gpu

前面的括号代表当前已经进入了创建的tensorflow环境中，至此准备工作已经完成。

3、同样你也可以退出当前环境deactivate tensorflow-gpu

④、tensorflow安装

有两种方式可以安装tensorflow

a、选择你要安装的tensorflow版本，下载安装文件，进入到安装文件所在的文件夹

pip install xxxxx.whl

b、直接在线安装

pip install tensorflow-gpu==1.8

安装成功。

在这里，tensorflow版本号的选择也是有要求的，我们可以在这里根据我们前面选择的CUDA和cuDNN的版本，选择合适的版本号，例如，我选择的是1.8.

至此，tensorflow的安装已经到此结束。