Windows10+GeForce1050（notebook）+Anaconda3：简单有效的tensorflow-gpu==2.1.0下载教程

最近我在入门阶段，对比了知乎上和Google上各路大神的说法，觉得相比起pytorch，还是下载tensorflow2版本比较方便，具体信息请看以下链接：
PyTorch vs TensorFlow — spotting the difference – from Google (Editor: Kirill Dubovikov)
Pytorch是否可以替代Tensorflow? - from 知乎

在选择了tensorflow的情况下，我百度了网上的各路教程，具体说法如下：

1. Windows上有两种版本的tensorflow，分别是cpu版本的和gpu版本的，二者差距主要在于计算能力不同，如果我没搞错的话，计算能力：cpu版本 < gpu版本，因为我的电脑显卡支持cuda，所以我选择gpu版本。

#如何判断自己的电脑是否支持cuda呢？
#首先在电脑桌面上右键，找到NVIDIA控制面板，点击

#点击左下角的系统信息，会弹出以下窗口，看到黄色标记的驱动程序版本（我的本来是四百三十几，但是不是最新版的，这就造成了我多次下载产生报错，所以这里要重点标注：驱动程序版本一定要更新，具体怎么更新我后面会讲到）

#停留在这个窗口，但是我们点开“组件”，你可以看到黄线标注的dll，那里显示我的电脑支持CUDA10.2及以下版本

#至此，我知道了我的电脑是支持cuda的，那我可以下载tensorflow-gpu版本
2. Windows上安装tenforflow-gpu就得先安装cuda和cudnn，甚至还有说法说要下载visual version 2019

（注：这点我想加粗强调，这个说法是完全错误的，根本没必要，大家千万别在电脑上下载这三个软件，这是我的血泪教训（捂脸逃…））

我按照网上各路教程的说法，下载了cuda10.2，cuda9.2，cudnn我也按照网上说的，把bin,include,lib这三个文件夹里的文件对应放到cuda里面，每一步我都精确做好了(cudnn我也是下了好几个版本)，visual version 2019我也下载了（感觉自己真是一个大制杖），占内存不说，还没用，各种报错，所以大家：千万不要在电脑里下载这三个软件！

接下来进入正题，怎么下载tensorflow-gpu：

第一步：更新电脑的显卡到最新状态
首先，要检查自己电脑的显卡是否是最新的状态，这点非常重要，我参考了本站的Msjiangmei和知乎用户DrBoom的做法，具体做法如下：
点开GeForce官网：
GeForce官网链接

点击下载，可以得到如下安装包：

双击下载，我这个下载下来好像是几百兆，大小无所谓（我当时真的放飞自我了，因为我前面cuda、cudnn、vs加起来十多G，下了卸，卸了下的，所以这个更新的几百兆对我来说真是毛毛雨不值一提。所以我建议大家下载这个的时候一路next就好了，不要关注它下载在哪这件事情）

下载过程可能稍显漫长，耐心等下，看会炊事班的故事…(我当时一边看剧，一边想要是这个在不成功我就去实验室的服务器上下Linux版本的tensorflow，反正我一定要下载下来，跟它拼了！！）

下载成功后，打开此软件，注册一个账号，登录。

登陆后，点击页面中的驱动程序，如下图：

点击检查更新文件旁边那三个点，选择Studio驱动程序，如下图：

再点击“检查更新文件”，如果不是最新版本，更新即可达到最新状态。

第二步：下载Anaconda3
这个网上真的好多教程，我整理如下：
点击Anaconda官网：
Anaconda官网下载页面
下拉可以看到如下页面：

右键图中换色标记部位，点击链接另存为（此时可以保存到D盘或者其他盘，我怕C盘放太多东西不好，如果C盘空间充裕的小伙伴可以直接点击下载），下载得到如下安装包：

双击下载，具体过程就不多多赘述了，主要有两点要讲一下：

1. 安装位置：我是直接把‘C：’改成‘D：’，因为我还是怕我C盘炸了；
2. 添加anaconda到环境变量：
   在anaconda installation options那一页，有两个勾勾是要我们自己选择的，它俩的意思，一个是把anaconda添加到环境变量，一个是默认使用python3.7，这俩我都钩了，虽然它里面说了不建议，但是我下载了两次anaconda，第一次我没钩，但是添加环境变量的时候感觉很麻烦，第二次我下载的时候勾了，结果发现我是可以正常使用anaconda的，而且也不用再去额外添加环境变量了，非常赞！

第三步，正式下载tensorflow-gpu

1. 打开anaconda prompt
2. 查看conda现在有什么环境

conda info --envs

可以看到此时只有一个环境就是base，并且base那一行有一个*，表明我们现在所处的环境就是base中

3. 新建环境，我取的名字是tensorflowgpu，并且python版本为3.7

conda create -n tensorflowgpu python=3.7

4. 再次查看环境并将其激活

conda info --envs
conda activate tensorflowgpu

可以看到，新生成了tensorflowgpu这个环境，激活后，*号出现在tensorflowgpu的这一行，表明此时我们处于这个环境中

5. 下载tensorflowgpu，这一步中它会把很多tensorflowgpu依赖的包下载下来，其中就包括对应版本的cuda和cudnn，所以其实电脑里不用再额外下载这两个软件。。。

命令如下：

conda install tensorflow-gpu

一路点y，这一步很依赖网速，所以要保证网络没问题，然后看到很多下载的包，最后出现successfully就表明下载成功

查看一下它下载了什么包

conda list

可以看到其实会自动下载对应版本的cuda和cudnn，比如我这里就下载了10.1.243版的cuda和7.6.5版的cudnn。另外他还会帮你下载keras，这也是一个非常好用的包

6. 测试看看能否正常运行

python
import tensorflow as tf

**
终于正常运行啦！！！！！！！！！！
喜大普奔！！！！！！！！！！！！！
广东人民发来贺电！！！！！！！！！
**
7. 顺便说一下怎么在jupyter notebook上使用，因为我没有用pycharm，之前用过，但是用过jupyter notebook之后真是爱不释手，马上把pycharm卸载了（好无情哈哈哈哈

命令如下

#先切换到想使用jupyter notebook的文件夹下，然后一样的流程
conda activate tensorflowgpu
jupyter notebook

输入后有如下显示，另外浏览器也会弹出窗口，在这个窗口中可以交互使用自己电脑的文件，在xshell中也是一样的流程

下载过程到这里就结束了啦，如果对你有帮助的话，请给我点个赞呀
或者有另外报什么错的话，也可以留言或私信，作为技术小白非常想和大家一起交流，一起进步！~