Windows配置tensorflow-gpu环境：最新，最快速，容错率最高的方法，没有之一。

本方法优点

• 不需要逐个自己安装cuda， cudnn甚至vs2015等坑爹玩意
• 不会直接在自己电脑上装cuda，防止各种路径混乱之类。
• 可以多个cuda兼容操作
• 可以完美的在不影响已有tf1.0系列的情况下，完美使用tf2.0 对于绝大部分读者，第一条已经是足够的理由了，毕竟现在大部分的博客攻略还是大费周章的。

准备工作

以我电脑为例，但本方法绝对不限于此种配置

系统Windows 10, 显卡1080Ti

前期准备

1. 从英伟达官网更新显卡驱动至最新版本，以前受某些博客影响，担心驱动过新无法向前兼容。今天破釜沉舟之下发现， 最新驱动仍可以兼容Cuda9.0，因此不会导致以前的cuda无法使用。相反，最新驱动可以让你支持最新的cuda。
2. 官网下载Anaconda3最新版本。根据本人经验，只要你想做python开发且是新手，迟早要下的。

开工

1. 打开 Anaconda Prompt。 （下完anaconda后自动会出现，开始菜单的Anaconda3可以找到）输入以下命令行创建新环境： conda create -n tf2 python=3.6这段代码的意思就是新创建一个名为tf2的python3.6环境。这是Anaconda广为使用的原因之一，很容易切换多个python版本。 紧接着运行activate tf2，进入tf2环境。（成功的话会发现命令行前面括号里从’base’变成了’tf2’）
2. 下载tensorflow-gpu。这一步以tensorflow2.0为例， 继续在Anaconda窗口运行pip install tensorflow-gpu==2.0.0-alpha0。很快安装成功（速度太慢的话自行百度切换pip镜像源）
3. 依次运行conda install -c anaconda cudatoolkit和 conda install cudatoolkit cudnn。本来这两个东西是要自己去官网下载安装还要配各种path变量之类的。幸而，conda帮你完成了。 有几大好处：

• 极其省事
• 不需要配置变量名，防止出错
• 只下载了cudatoolkit，没有下载一整个，空间节约了三倍以上
• cuda下载在当前的虚拟环境（如这里的tf2）而非在C盘整个系统环境中。因此可以同时兼容多个cuda版本，环境间互不干扰

完工

测试一下：可以直接在Anaconda Prompt里输入pythonJ进入python环境 然后运行

import tensorflow as tf
x = tf.constant([1])

如果没有报任何错误，那么已经成功配置！ 重复上述操作，可以创建许多不同tensorf版本不同cuda版本的环境，来支持不同的版本的代码运行！

后话

下午本着尝试tf2.0的心态，惊喜的发现了这一操作。相比去年安装cuda9实在是轻松了太多。然而现在还没有详细叙述这一方法的博文，因此本着分享的心态，以这篇博文志之，希望对需要帮助的有所裨益。所有问题都可以直接评论讨论，也可以邮箱联系lint17@fudan.edu.cn。

Tips

tensorflow2.0的API修改有点多，目前来看文档太少，大家可以不急着升级。