由于mnist手写数字识别的代码我是基于anaconda3的tensorflow1.0版本的，所以pycharm默认下载的最新版本不适用，修改代码很麻烦，所以这里采取修改tensorflow的版本，同时保留原版本。
一、anaconda3安装
官网地址：Anaconda | Individual Edition
清华镜像地址：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
找到自己电脑适应的版本下载，就一步一步的安装。唯一需要注意的是要把anaconda添加到系统路径的环境变量中。
二、anaconda3测试
win+R测试代码：conda –version
如下图所示，就表示安装成功。
三、新建虚拟环境
要保留tensorflow2.0版本，所以我们需要新建一个环境tfenv来下载tensorflow1.0版本。
①创建环境tfenv并安装python3.7：conda create –name tfenv python=3.7
②查看是否安装成功：conda info –envs
四、安装tensorflow
（1）确定安装GPU版本 or CPU版本？
①如果有以下这个图标显示，表示你的显卡为NVIDIA系列显卡，可以安装GPU版本，如果没有，就只能安装CPU版本。
②查看自己NVIDIA显卡的计算能力（双击图标，打开NVIDIA控制面板，点击系统信息）
③如果查询到的版本<3.5的，就只能选择CPU版本。
（2）CUDA和cuDNN版本选择（下载CPU版本的略过！）
①下表是官方给出的文档，选择与自己系统兼容的CUDA版本即可。
②确认cuDNN对应于CUDA的版本，下表是tensorflow官网给出的标准，从NVIDIA官网下载对应版本的cuDNN。
ps：对于版本号大于1.13的tensorflow-gpu版本，要安装CUDA10.0，不要安装最新的版本，会提示缺少很多库文件！！！
（3）CUDA下载（下载CPU版本的略过！）
官网地址：CUDA Zone | NVIDIA Developer
选择CUDA10.0版本，local版本（network为精简版）
自定义安装即可，没什么坑。
安装完成后，验证是否成功：win+R输入：powershell，执行命令：nvcc -V
（4）cuDNN下载（下载CPU版本的略过！）
官网地址：cuDNN Archive | NVIDIA Developer
这个下载需要登录NVIDIA账号登录，如果你没有或者是链接打不来，不要着急！！！
①右击，复制链接地址。
②打开迅雷，新建任务，将复制的链接地址粘贴。
③点击下载，下载完成后会得到一个压缩包。
④ 将下载的压缩包，解压并按下表的对应关系，将解压出来的文件复制到CUDA安装的对应路径下。
添加环境变量：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
（5）安装tensorflow
①打开anaconda navigator（第一次打开可能有点慢）
②点击channels，把虚拟环境更改为我们要下载tensorflow1.0版本的tfenv。
③点击add，把清华镜像的链接添加进去，回车。点击update channels。
④激活虚拟环境tfenv：activate tfenv
⑤安装tensorflow：
GPU版本：pip install tensorflow-gpu==1.15.0
CPU版本：pip install tensorflow==1.15.0
你以为这就结束了吗？！！！Too young too simple！！
五、设置pycharm环境
（1）点击file中的settings
②找到python interpreter，点击add
③找到conda environment，点击已有的环境（这个pycharm会自动识别，不需要手动输入）
④查看tensorflow版本
大功告成！！芜湖~
