现在人工智能领域很火，许多平台发布了自家的机器学习框架，其中TensorFlow在开源社区的热度最高，在此简单介绍一下通过anaconda来配置TensorFlow，希望能有帮助，少走弯路，尽快上手自己第一个项目。
主要从以下三个方面：
1. 安装Anaconda
2. 安装TensorFlow-GPU
3. 安装CUDA Toolkit + cuDNN
1. 安装Anaconda
如果你还没有python，需要去anaconda官网去下载自己系统对应的软件，然后准备安装（如果下载的速度比较慢的话，可以去清华大学开源软件镜像站下载）
在这里我的电脑是64位 windows 系统，所以选择Windows版本64位
下载完成后就双击安装就可以了
一步一步按照默认的来就可以了，注意一下，注意勾选添加到环境变量，不然后面还需要手动添加
就是这里，勾选add anaconda to the system PATH environment variable （重点）添加anaconda到环境变量中
等待安装完成，
后面提示是否安装Microsoft vscode，我在网上的其他安装教程上面看没有提到这个，这个可以不用勾选的，只是安装一个编辑器罢了，我在这里选择安装试用一下
然后就结束Anaconda的安装了
测试一下，是否加入到了环境变量中，cmd中输入 conda -V ，显示版本，没有问题，可以进行下一步了
2. 安装TensorFlow-GPU
我找到了官方的安装文档，（有一些按照官网的操作不成功，按照下面我的操作就可以了，官方的文档做一个参考就行）
下面是我截得官网的文档
1. 创建一个新的虚拟环境，方法是选择 Python 解释器并创建一个 tensorflow 目录来存放它
conda create -n tensorflow pip python=3.6
等待搞定之后
2. 激活虚拟环境
activate tensorflow
3. 安装tensorflow-GPU
在虚拟环境下
pip install –ignore-installed –upgrade tensorflow-gpu
（如果是安装CPU版本，输入pip install –ignore-installed –upgrade tensorflow）
然后经历漫长的等待…………………………………………………………………………………………………………………………………………………………………………
4. 安装anaconda基础包
conda install anaconda
3. 安装CUDA Toolkit + cuDNN
这里有官网的安装文档可以参考
一定要注意按照要求下载相应的版本，不是版本越高越好，因为tensorflow一直在更新，所以所需要的CUDA和cuDNN的版本也会不同，安装的不合适会无法使用
我的显卡是GeForce GTX 950M，我的安装时间是2019.2.6（记得先去看官方的，今后的要求可能会不一样的），下面是官方文档的要求
可以看出要求CUDA Toolkit9.0。cuUNN要求7.2及更高
1. 官网下载CUDA Toolkit9.0
2.官网下载和cuUDNN
这个下载需要一个NVIDIA账号，注册一个就好了
3. 安装CUDA Toolkit9.0和cuUDNN
安装之前需要卸载显卡驱动，否则可能会出现版本不兼容导致无法使用（卸载就不说了，去控制面板搜索“NVIDIA”，卸载相应的软件）
下面安装CUDA Toolkit9.0
等待安装完成…………………………………………………………………………………………………….
将cuDNN解压，解压出来的全部文件放到对应的CUDA的安装目录下
添加环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
步骤：
右键此电脑-属性-高级系统设置-环境变量
再次测试一下
OK，搞定
