当笔者安装tensorflow时查看了许多文章，但都不是特别具体。本文是博取众长，按照自己的安装过程总结而来。按照本文可以完美安装tensorflow2.*
tensorflow分为__Cpu__和__Gpu__版本，在2.0以上对于1.0带来了极大的简化使用。但是，对于Gpu版本，需要进行CUDA和CUDnn的安装，如果电脑支持Gpu,则特别需要进行步骤2，安装tensorflow最大的困难也就是步骤2。通过anaconda可以简化步骤2的过程。
1. anaconda的安装 由于TensorFlow是属于比较高的应用，需要许多基础依赖作为支撑，通过pip进行逐个安装，如果不更换下载源，下载速度慢不说，一个一个安装工作量也大。故而需要使用anaconda进行安装，Anaconda指的是一个开源的Python发行版本，可以把anaconda理解为一个依赖管理工具，对相关环境进行管理，可以快速创建和管理多个虚拟环境，对相关工具进行下载。这里安装的是anaconda3.0的版本，它基础搭建了Python3.8.8环境。
1.1__下载__地址：Anaconda | Individual Edition 1.2 安装步骤：几个需要特别注意的地方（直接安装图进行选择就行）：此处需要稍微等一会：
此页面直接点击__next__,此处相当于给Pycharm打的广告。
两个勾去掉，不然会弹出新页面。最后finish完成。
1.3测试是否安装正确：直接按住 win+R,输入cmd,进入dos。__注意：__无论电脑是否原本__安装__过python，还是__没有安装__过python的用户，由于我们前面安装是选择添加进入环境变量path,所以当输入下列代码时候，会显示anaconda的默认python版本，而原本电脑的版本（我这里称之为源版本）的快捷方式将会被覆盖，我们可以cd进入源文件目录运行源python.exe文件。源文件可以转入anconda管理，主要是新创建虚拟环境，然后把源python所有文件移动过虚拟环境。
python --version #查看python版本
conda --version #查看anaconda版本，安装成功将会显示对应版本好
conda 的包管理功能和pip 是一样的，当然你选择pip 来安装包也是没问题的。
#1.安装包 # 安装 matplotlib conda install matplotlib # 如果不用-n指定环境名称，则被安装在当前活跃环境 # 也可以通过-c指定通过某个channel安装 conda install -n python36 numpy # 删除包 conda remove matplotlib # 查看已安装的包 conda list # 查看已安装的某个包 conda list requests # 查看某个指定环境的已安装包 conda list -n python36 # 查找package信息 conda search numpy
由于anaconda源在国外，所以使用官方源安装文件将会很慢，这个时候就需要切换为国内的镜像源进行下载（这里展示的是清华镜像），也可以通过直接修改用户下面的（C:UsersXin）.condarc文件：
#通过指令添加清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda config --add channels conda-forge
conda config --set channel_priority flexible
#.condarc结构，官方清华源见（https://mirror.tuna.tsinghua.edu.cn/help/anaconda/） channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
更新anaconda，建议安装完anaconda就运行下面两行代码更新一下。
conda update -n base conda#更新conda到最新版本 conda update --all #更新第三方库1.4 管理环境
# 查看已经存在的环境(base)为默认anaconda安装时创建的环境， conda info -e
新建一个环境（这里创建tensorflow）,python版本为3.8，新创建的在anaconda目录文件夹的envs目录下：
#创建python版本为3.8的tensorflow环境 conda create -n tensorflow python=3.8 #删除环境指令 conda remove -n tensorflow #强制删除 conda remove -n tensorflow --all
#激活/切换环境，如tensorflow,默认在base下 conda activate tensorflow #关闭环境 deactivate2.安装tensorflow_gpu所需的环境。cpu版本不需要。如果电脑不支持Gpu，可以直接进入步骤3.
注意！
注意！
注意！
安装tensorflow_gpu版本之前，需要先明确，你需要安装电脑显卡(NVIDIA)支持的对应的cuda和cudnn版本
查看方式：
右键—>NVIDIA控制面板—>左下角系统信息—>组件->看第三行蓝色加深
如图：第三行蓝色加深中，其中__最右边CUDA 11.2.154__就是电脑对应的__cuda__版本
查看到相关信息后，点击下面网址，见tensorflow_gpu栏，查看对应的cuda、cudnn和python版本：在 Windows 环境中从源代码构建 | TensorFlow (google.cn)
本机对应的CUDA是11.2，故为第二行，cuDNN版本为8.1,tensorflow版本为2.5.0，python为3.6-3.9版本。
#1.创建tensorflow环境 conda create -n tensorflow python=3.8 #2.激活tensorflow环境 conda activate tensorflow #3.通过anaconda安装我们需要的cuda conda install cudatoolkit=11.2 #11.2为本机支持cuda版本 #3.通过anaconda安装我们需要的cudnn conda install cudnn=8.13.通过pip安装tensorflow(cpu和Gpu版本共同步骤)
#注意：确保自己在tensorflow环境中 conda activate tensorflow conda list #如果你想支持Gpu,查看自己是否已经下载好对应版本的cuda和cudnn #通过pip安装tensorflow2.*,这里使用豆瓣源 pip install tensorflow==2.5 -i https://pypi.douban.com/simple #下载完成则就已经完成4.测试tensorflow是否安装成功，导入Pycharm
#1.进入tensorflow环境 conda activate tensorflow #2.使用tensorflow的python python #输入以下代码 import tersorflow as tf tf.__version__ #将输出对应版本信息则安装成功
pycharm引入tenflow2.*，不选择new envieonment，选择下面的python3.8（注意虚拟环境在envs目录下），然后创建就完成具体测试用例略。
pycharm引入tenflow2.*，不选择new envieonment，选择下面的python3.8（注意虚拟环境在envs目录下），然后创建就完成具体测试用例略。
