日期：2020年10月17日

首先，下载Anaconda个人版，最新版本是3.7，安装的时候推荐把Anaconda添加到系统环境变量中。

https://www.anaconda.com/products/individual

第二步，安装nv的SDK

在NV官网下载CUDA 10.1：

https://developer.nvidia.com/cuda-10.1-download-archive-base

去掉勾选与VS的集成，特别喜欢VS的当我没说，个人喜欢轻量级的VS Code，下面会提到。

安装目录选择默认配置就好，点下一步等等就安装完成了。

下载安装，cuda 10.1对应的cudnn 7.6版本。(需要注册NV账号，微信登录也行)

https://developer.nvidia.com/rdp/cudnn-archive

下载对应的cudnn，红框里的都可以。

下载解压，将cudnn 7.6解压，放到下面的目录下，与cuda10.1里的bin合并。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\

最后，将下面的目录添加到系统变量里。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

第三步，从开始菜单打开Anaconda的Prompt进入安装。

1，创建envs环境

conda create -n tf2.1 python==3.7

2，进入envs环境

conda activate tf2.1

3，安装cuda和cudnn

conda install cudatookit=10.1conda install cudnn=7.6

4，安装tensorflow

pip install tensorflow==2.1

如果觉得速度比较慢的话，可以使用国内的源，

pip install tensorflow==2.1 -i https://pypi.tuna.tsinghua.edu.cn/simple orpip install tensorflow==2.1 -i https://pypi.douban.com/simple

5，进入python编译器后查看，如果cuda配置正确的话。

(tf2.1) C:\Users\sk>pythonPython 3.7.0 (default, Jun 28 2018, 08:04:48) [MSC v.1912 64 bit (AMD64)] :: Anaconda, Inc. on win32Type "help", "copyright", "credits" or "license" for more information.>>> import tensorflow as tf2020-10-17 22:43:23.720583: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll>>>

如果配置的有问题，则会提示：cudart64_101.dll not found，cuda没配置好。

>>> import tensorflow as tf2020-10-17 21:56:58.058980: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found2020-10-17 21:56:58.064859: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.>>>

至此，支持GPU的Tensorflow已经安装成功。

第四步，在Jupyter Notebook里是不看到我们新创建的envs的，也就用不了jupyter notebook，我们需要配置一下envs：tf2.1，也就是将新建的环境添加到jupyter的kernel中。

pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simplepython -m ipykernel install --name tf2.1

Jupyter Notebook选择tf2.1，如图所示，配置成功。

第五步，在VS Code里配置tf 2.1。

第六步，在Pycharm CE里配置tf 2.1。