cpu 2. 在Anaconda中配置Tensorflow环境

1. 下载 1.1 去清华镜像站下载旧的版本，不要去官网下载新版本，可能会出现-找不到的情况；
下载过程：
不勾选添加环境变量（Addto my PATH），后需手动添加（否则cmd出现“conda”不是内部或者外部命令）。
不勾选as my
其余默认
添加环境变量：双击path
1是需要，2是conda自带脚本，3是动态库，4不知道，5是使用C with 的时候
??
1.2 已经下载了官方版本，找不到-：
①添加环境变量后，唤起cmd，执行conda
②可能在\\pkgs\--1.9.7-\这里
③不通过清爽的-里配置环境，直接在丑陋的（dbq）-配置
④新找到的方法：
打开cmd，打开所在目录(例如我的：cd/dD:\\)，之后执行 .\Lib\_nsis.py ，就好了！！！！！！！！
1.3 配置国内镜像源
在命令后加清华镜像源：-i
在cmd或中运行：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forgeconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2///在下载时显示使用的源conda config --set show_channel_urls yes//换回conda的默认源conda config --remove-key channels
检查是否配置完毕：
conda config --show channels//或者conda info
2. 在中配置环境（cpu） 2.1 有-
打开-→→，新建环境→命名，选择版本；
左键单击新建的环境右边的绿色小三角；
选择点击Open
在对话框中执行：ppip-U ==版本号 -i
（换成其他的源下载速度显著提升，出现file报错时换源试试，还不行的话只能老老实实下载了，慢就慢点吧）
?清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/ 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
2.2 没有-
cmd中执行：
conda create -n tensorflow python=3.6

文章插图
上述代码即在- 界面中，创建环境名为，版本为 3.6 的环境的等价操作。
后需要添加以下三个系统环境变量：
2.3 使用对应的解释器
在中选择，快捷键ctrl+shift+p，搜索“ ”，进行选择
3.在中配置环境（gpu） 3.1 创建虚拟环境并检查版本 3.1.1 创建虚拟环境
同2.1
3.1.2查询版本
官网上有
3.1.2 安装CUDA
CUDA是英伟达公司推出的一个运算平台，它拥有大量数据运算的能力，这里简单理解为CUDA是一个超级计算器就好，框架可以利用CUDA这个超级计算器来提升运算速度，缩短运行时间。
cuda下载地址：CUDA|
下载之后双击运行，下列路径默认就好
同意并继续。
自定义：
这里CUDA一定要勾选上，下面的可选可不选，对后续没有影响：
在一栏比较的新版本和当前版本的信息。
下面这个安装位置可以自己改。要截图记录一下你装到哪里了，后面要用到：
后续一路默认安装即可。
下一步配置环境变量：
如果换了安装路径的话大概率是要自己手动添加环境变量的
检验是否安装成功
cmd运行：
nvcc --version
出现下述结果即为成功：
3.1.3 安装cudnn
cuDNN是公司推出的用于深度神经网络的GPU加速库（但还需要安装cuDNN神经网络加速库），有了它N卡才能在GPU上完成深度学习的计算。上文我们把CUDA看做超级计算器，这里我们把cuDNN看做超级计算器与数据平台连接的数据线。