原创：Tensorflow1.0GPU版本最全最详细的安装(转载请标明出处)_tensorflow1.0安装

写在前面：
本人是求解偏微分方程的方向，奈何传统方法的局限性，开始探索用深度学习求解PDE，便开始入了深度学习的门。在了解完深度学习的基本概念后，就要开始选择深度学习库了，对于Pytorch和Tensorflow都有考虑，但最后还是选择了Tensorflow（毕竟对Google好感更多哈哈）。在安装过程中遇到很多坑，为了追求最新的，下载Python3.9，Python3.8等，发现结果Tensorflow不支持。后来将Python降到了3.7，3.6，结果因为CPU版本和GPU版本，又废了，前前后后光系统就重装了三次，最后一步到位。这里声明一下为什么装1.0版本，因为网上大部分关于Tensorflow的程序，从最简单的基础语言到例如SVM的小程序再到ANN， RNN，CNN等大程序，都是基于1.0版本的。对于2.0版本，虽然谷歌大哥做了很多优化，改进了很多，但是个人觉得并没有普及，我所了解的有2.0版本的程序的一篇文章是DeepXde，感兴趣的可以了解一下。

这里说明一下，我的安装步骤绝对是可以简单实行的，不需要在anaconda里额外配置环境。

关于Tensorflow

TensorFlow 是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支持的应用。

电脑配置

这里笔记本推荐i5 10代，i7 10代或者R5 5代，R7 4代以上的处理器可以跑中等计算量的程序，显卡起步GTX1650。对于配置低一些的笔记本也可以跑，只不过烧风扇哦。台式机，那就起步4张显卡，处理器i7,i9都可以。笔者的笔记本处理器i5 6300，显卡GTX950，跑神经网络就比较烧风扇了(呜呜的转…)

具体安装

所有安装包对应版本

这里要想安装合适的Tensorflow，必须Anaconda, Python, CUDA, cudnn都对应。具体详见：链接: link.
这里我安装Python3.6版本，对应Tensorflow1.13.0，1.14.0，1.15.0都可以，CUDA10.0，cudnn7.4(CUDA,cudnn是加速的GPU运算的)。

所需要的安装包

Anaconda3-5.2.0 在清华镜像可以下载，对应Python3.6.5版本。
CUDA 10.0 在英伟达官网下载即可，但是需要注册，用QQ邮箱可以注册，注意选择release版本，就是以前版本，找10.0的。
cudnn7.4 英伟达官网下载即可，但是需要注册，用QQ邮箱可以注册，注意选择release版本，就是以前版本，找10.0的。
Pycharm Pycharm官网下载即可，个人认为最好用的吧(在用了Sublime Text、Eclipse+Pydev、Jupyter、Spyder)以后，可能每个人用的习惯不一样吧

综上所述：Anaconda3-5.2.0、CUDA 10.0、cudnn7.4、Pycharm。

详细安装步骤

1、安装Anaconda

在清华镜像下载好后，打开运行。
点击Next

同意

Just Me，根据推荐来就可以

这里建议选择装在固态硬盘中，这样启动和运行都会比较块，自己命名一个文件夹conda。(不建议C盘)。
一定要选择是Add my path，这样Anaconda的环境就会自动加到你的环境变量里，就不比自己手动添加了。
接下来等待安装完毕就可以了。
安装时间有点久，安装完毕后，启动win+R，输入conda list

回车

出现如上界面，表示安装成功。（这里有的文章写用conda -V命令查看，其实不是不对的，conda的版本和anaconda的版本是不一样的）。还是建议conda list，既可以确定安装成功与否，也可以看到anaconda里的安装包。
这里我们查看一下Python版本，往下拉。

可以看到Python版本是3.6.5的。至此，Anaconda已经安装完毕。

2、安装CUDA和cudnn

这是最复杂的一步，要细心千万不能出错。在英伟达官网下载好CUDA10.0，打开CUDA运行。
选择解压到C盘，因为这是加速驱动。

解压好以后，由于我这里已经安装了，无法在解压安装。接下来选择自定义安装，自定义安装的时候只需要注意一个点，注意Driver驱动版本，如果你电脑自身的驱动高于CUDA的驱动，那么就不需要选择这个选项，否则选择。(自己的驱动版本如何查看，在桌面空白处鼠标单机右键选择NVIDA控制面板就可以看到)。
安装完毕后，还是win+R查看，输入nvcc -V就可以查看是否安装成功以及版本

我们也可以去C:\Program Files\NVIDIA GPU Computing Toolkit
查看。进入到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin，如果有nvcc就是安装成功。

接下来在英伟达官网下载cudnn7.4，cudnn下载好后在桌面上的名字是cuda，我们将它改成cudnn，并复制粘贴在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目录下。如图所示

点击打开cudnn，进入到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn\bin下，看见如下便是成功了。

接下来就是配置环境变量。主要是两个环境变量一个是CUDA的CUPTI，一个是cudnn的cudnn64_7。
我们复制两个变量的路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64和
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn\bin
大家看的路径去依次打开文件夹，然后复制即可。这里我是为了方便直接列出了，实则是一个一个添加。
接着打开电脑的环境变量，右击此电脑，高级系统设置，环境变量。
依次加入新建变量，加入即可。

确定。这样我们的CUDA和cudnn也安装好了。接下来就是最重要的Tensorflow的安装啦

3、Tensorflow的安装

这里对应的Tensorflow的版本有1.13.0，1.14.0，1.15.0都可以。
win+R打开cmd命令。输入pip install tensorflow-gpu==1.15.0.直接一个大Enter键按下去就可以安心的安装啦

我这里是已经安装好的。
接下来查看一下安装的效果，还是用conda list命令

可以看到已经安装好啦！嘻嘻！至此 大功告成！

4、Pycharm的安装

我相信大部分人都会。就是需要配置Pycharm编辑器的时候，要选择conda interpreter，选择点击Add，然后选择D:\conda中的python.exe作为编辑器就可以啦。因为Tensorflow是在这里的。

5、测试

你可以在网上找任何一个测试的代码，在cmd里的ipython测试可以，在Pycharm中测试也可以，如果失败，欢迎来质问我哈哈哈哈。我在为了方便我在cmd里测试。输入python，打开python环境，然后输入import tensorflow as tf。
结果如上就没有出错。

6、声明。

啊啊啊，本人真实血的教训，安了好几次终于成功了，希望对大家可以有帮助。
1.博客内容,形式
此博客为个人博客，不涉及商业用途，仅提供学习参考，内容均来自个人原创。
2.版权声明相关
此博客上带有原创标识的文章.图片.文件等，未经本人允许，不得用于商业用途以及传统媒体。网络媒体或个人转载请注明出处和链接，否则属于侵权行为。
署名Wsuyan。