使用anaconda配置gpu版本的tensorflow（30系列以下显卡）
环境内容
一、Anaconda环境配置
1、Anaconda的下载（可以跳过）
2、Anaconda的安装
二、Cudnn和CUDA的下载和安装
1、Cudnn和CUDA的下载（已给）
2、Cudnn和CUDA的安装
三、配置Tensorflow环境
1、Tensorflow环境的创建与激活
2、相关库的安装
四、使用tf2-gpu环境 (可看我以往教程最后一步）
环境内容
tensorflow-gpu：2.2.0
无需安装keras，tensorflow与keras合并了，简而言之，tensorflow自带keras
接下来要用到的所有安装文件——网盘下载（不用自己去下载啦）：
链接：https://pan.baidu.com/s/1cSwNCRKY0syOt-NBEdr94Q
提取码：p002
一、Anaconda环境配置
1、Anaconda的下载（可以跳过）
————————————————
新版本anaconda的下载：
安装最新的Anaconda，首先登录Anaconda的官网：Anaconda | Individual Edition。直接下载对应安装包就可以。
2、Anaconda的安装
打开下载好的安装包。
选择安装的位置，可以不安装在C盘。 我选择了Add Anaconda to my PATH environment variable，这样会自动将anaconda装到系统的环境变量中，配置会更加方便一些。
等待安装完之后，Anaconda的安装就结束了。
二、Cudnn和CUDA的下载和安装
我这里使用的是tensorflow-gpu=2.2.0，官方推荐的Cuda版本是10.1，因此会用到cuda10.1，与cuda10.0对应的cudnn是7.6.5。（当然高一点的版本也是没有问题的，但尽量不要低于）
1、Cudnn和CUDA的下载（已给）
具体下载过程包括注册等繁琐的步骤，既然已经给了安装包，为了保持精简就不在此赘述。
2、Cudnn和CUDA的安装
下载好之后可以打开exe文件进行安装。
这里选择自定义。
然后直接点下一步就行了。
安装完后在C盘这个位置可以找到根目录。C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0然后大家把Cudnn的内容进行解压。 把这里面的内容直接复制到C盘的根目录下就可以了。
三、配置Tensorflow环境
1、Tensorflow环境的创建与激活
打开anaconda prompt：
conda create -n tf-gpu python=3.7 -y
activate tf2-gpu
这里一共存在两条指令：
前面一条指令用于创建一个名为tf2-gpu的环境，该环境的python版本为3.7。
后面一条指令用于激活一个名为tf2-gpu的环境。
由于我们所有的操作都要在对应环境中进行，所以在进行库的安装前需要先激活环境。
2、相关库的安装
需要安装的库总览：
scipy==1.4.1 numpy==1.18.4 matplotlib==3.2.1 opencv_python==4.2.0.34 tensorflow_gpu==2.2.0 tqdm==4.46.1 Pillow==8.2.0 h5py==2.10.0
如果想要更便捷的安装可以在桌面或者其它地方创建一个requirements.txt文件，复制上述内容到txt文件中。
输入命令：
小技巧：只需要把文件移动文件到anaconda/cmd窗口中可以自动获取该文件的绝对路径。
pip install -r C:Users33232Desktoprequirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/
四、使用tf2-gpu环境 (可看我以往教程最后一步）
(5条消息) 没有显卡怎么使用anaconda配置tensorflow深度学习环境_舞雩.的博客-CSDN博客_tensorflow-cpu
完毕！
如果大家觉得本文章对你有帮助，麻烦点赞+收藏一下，谢谢！
