以tensorflow_gpu-1.13.1为例：

一、anaconda建立虚拟环境

1.先建立虚拟环境一个虚拟环境（在anaconda powershell prompt base中）

conda create -n tf_1x python==3.6  

（python可写上为了指定版本）

2.激活虚拟环境

(base) PS C:Usershp> conda activate tf_1x

二、.配置相应的cuDNN版本和CUDA版本

   注意配置：

   python=2.7，3.3~3.6 ；本人下载3.6

   cuDNN版本：≥7.4 ，＜8 ；本人下载7.6.5.32版本，有7.4版本最好（越接近越好）

   CUDA版本：≥10.0，＜11 ；本人下载10.0.130版本，有10.0版本最好（越接近越好）

 (tf_1x) PS C:Usershp> conda install cudatoolkit=10.0.130 cudnn=7.6.5.32

如果不知道cuDNN版本和CUDA版本匹配，先进入虚拟环境之后可以按照一下进行操作

（1）搜索库名：cudatoolkit，命令如下：

anaconda search -t conda cudatoolkit

如图

（2）查看包的详细信息，选择要安装版本，过程中选择：y，命令如下：

anaconda show conda-forge/cudatoolkit

（3）本人安装cudatoolkit 10.0.130版本，命令如下：

conda install --channel https://conda.anaconda.org/conda-forge cudatoolkit=10.0.130

   等待安装完成。

同理，搜索cuDNN选择相应版本，命令安装，命令如下：

anaconda show conda-forge/cudnn

conda install --channel https://conda.anaconda.org/conda-forge cudnn=7.6.5.32

三、安装完成后，开始安装tensorflow 1.13.1

命令如下：

pip install tensorflow-gpu==1.13.1 -i https://mirrors.aliyun.com/pypi/simple/

此处用aliyun镜像源下载，可以加快速度。

四、检查是否成功安装在GPU上

在python窗口或者pycharm中（pycharm中需要先添加虚拟环境，添加步骤请参考下一篇文章）

命令如下：

import tensorflow as tf

print(tf.__version__)

五、附加可能用到的相关代码：

关闭虚拟环境：

deactivate yourname

移除虚拟环境：

conda remove -n yourname --all

删除环境中的某个包：

conda remove --name yourname（虚拟环境名） name（包名）

可以返回本地源，退出镜像源

conda config --remove-key channels

六、总结

1、在anaconda powershell prompt base中用相关命令先建立虚拟环境（相关代码参考本文详情）

2、继续激活建立的虚拟环境（相关代码参考本文详情）

3、考虑好自己要安装的tensorflow版本，去官网参考对应的cuDNN版本和CUDA版本。

4、安装cuDNN版本和CUDA（相关代码参考本文详情）

5、下载tensoreflow（相关代码参考本文详情）

6、测试安装是否成功（相关代码参考本文详情）

附：本人亲试安装成功可用，有不足地方欢迎批评指正！