疫情在家起見，效率真的很低，還好馬上就要開學了，最近有個作業需要用到deep learning，要用到gpu跑，因此記錄一下我的配環境過程，來回折騰了兩天，版本不對稱問題很頭疼，下面直接給出我的電腦配置以及環境。
1.操作系統：WIN10
2.電腦型號：magicbook2018
3.CPU：i7-8550U
4.GPU：MX150
5.顯卡驅動：445.87
6.cuda版本：cuda_10.0.130_411.31_win10
7.cudnn版本：cudnn-10.0-windows10-x64-v7.6.4.38
8.Anaconda3版本：4.8.3
9.python版本：3.7.3
10.tensorflow-gpu版本：1.14.0
一.安裝顯卡驅動
到官網上選擇自己顯卡型號對應的驅動，按照官網的選擇步驟即可，鏈接如下：https://www.geforce.cn/drivers
安裝完成後桌面右鍵，可以顯示NVDIA控制面板，進入程序，在幫助-系統信息中即可查看版本號。
二.安裝cuda和cudnn
關於CUDA和cuDNN的安裝詳細過程可以參考：https://blog.csdn.net/qq_37296487/article/details/83028394。
下載不同版本的CUDA鏈接：
https://developer.nvidia.com/cuda-toolkit-archive
下載不同版本的cudnn鏈接：
https://developer.nvidia.com/rdp/cudnn-download
如果之前有安裝其它版本，卸載過程可參考以下鏈接：
https://blog.csdn.net/u013066730/article/details/85054164
安裝完成後，WIN+R，輸入cmd進入命令行，輸入nvcc -V查看版本（注意是大寫的V，不然會報錯），如下圖：
三.安裝Anaconda3
這裏推薦anaconda3的原因是，它可以創建多個虛擬環境，我們只需要建立一個環境專門用於安裝tensorflow-gpu。這樣做的好處是，當我們需要安裝新的環境時，直接切換虛擬環境就行。Anaconda 提供了包含 Python在內的180多個科學包及其依賴項，直接在官網下載最新版本即可：
https://www.anaconda.com/products/individual#download-section
安裝完成後，WIN+R，輸入cmd進入命令行，輸入conda -V查看版本
四.安裝tensorflow1.14.0
首先我們需要創建虛擬環境，爲安裝tensorflow1.14.0提供基本環境。
1.在開始中，找到Anaconda Prompt並進入，如下圖：
2.創建虛擬環境。
使用 conda create -n your_env_name python=X.X（2.7、3.6等） anaconda 命令創建python版本爲X.X、名字爲your_env_name的虛擬環境。your_env_name文件可以在Anaconda安裝目錄envs文件下找到。比如：
conda create -n tensorflowgpu python=3.7.3
3.創建完後，我們需要將其激活。
activate your_env_name(虛擬環境名稱)，比如：
activate tensorflowgpu
激活成功後，你的命令行會顯示環境的名稱，如下圖所示：
下面給出一些常用的關於虛擬環境的命令：
1）conda env list 或 conda info -e 查看當前存在哪些虛擬環境
2）conda install -n your_env_name [package]即可安裝package到your_env_name中
3）deactivate env_name關閉虛擬環境(即從當前環境退出返回使用PATH環境中的默認python版本)
4）conda remove -n your_env_name(虛擬環境名稱) --all， 即可刪除虛擬環境
5）conda remove --name $your_env_name $package_name即可刪除環境中的某個包。
4.設置國內鏡像
如果需要安裝很多packages，你會發現conda下載的速度經常很慢，因爲Anaconda.org的服務器在國外。所幸的是，清華TUNA鏡像源有Anaconda倉庫的鏡像，我們將其加入conda的配置即可：
1）添加Anaconda的TUNA鏡像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
TUNA的help中鏡像地址加有引號，需要去掉
2)設置搜索時顯示通道地址
conda config --set show_channel_urls yes
除了上述所說的conda安裝外，pip安裝有時候也很慢，大家也可以選擇國內的源進行替代，替代過程可參加下面鏈接：
https://blog.csdn.net/yuzaipiaofei/article/details/80891108
5.安裝tensorflow-gpu
在我們當前的虛擬環境中，大家既可以選擇conda安裝tensorflow-gpu，或者選擇pip安裝，個人建議用pip，因爲conda安裝tensorflowgpu時還會安裝很多包，比較慢。
conda安裝命令：
conda install tensorflow-gpu==1.14.0
pip安裝命令：
pip install tensorflow-gpu==1.14.0
注：如果用pip的話，記得要做第4步中的pip換源，要不然下載速度太慢了。
6.驗證是否安裝成功
參考以下博客即可：
https://blog.csdn.net/weixin_43522055/article/details/99617967
記得切換進剛纔的虛擬環境中進行安裝。