申明：这篇文章局部内容借鉴了以下文章
Windows 10 下 Anaconda 轻松装置 Tensorflow 2.0 GPU 版本
然而这篇文章外面有谬误和不残缺，我在此基础上进行了修改和裁减。
0. 事先筹备
1. 良好的网络以及 ke-xue-shang-net 工具
2. 在 Geforce Experience 中将你的显卡驱动更新到最新版本，并记住版本号
3. 确保你是 GTX 1660TI 显卡
1. 装置 Anaconda
首先进入 Anaconda 官方网站下载安装包，间接拖到页面最下方
而后依照默认选项装置就行
2. 装置 CUDA
1. 首先查问官网，确认你的显卡驱动反对的 CUDA 版本。以下是 2020 年 7 月的反对状况：
你会发现你的显卡驱动版本很可能反对到 CUDA11，然而留神目前（2020 年 7 月）tensorflow 最高只反对 CUDA10.0，所以最好确认以后 tensorflow 最新版本反对的 CUDA 版本
2. 进入 NVIDIA 官网下载 CUDA。各种选项参考下图，而后开始下载，此处不挂梯速度更快。
下载实现后依照默认选项装置，个别装置过程中会主动增加环境变量，如果前面出问题，能够看一下环境变量中是否有 CUDA10.0 的环境变量
3. 装置 cuDNN
进入官网，这里须要开发者账号，如果你有 nvidia 开发者账号，间接登录，没有就注册一个。抉择与 CUDA10.0 对应的 cuDNN，如下图：
与 CUDA10.0 对应的 cuDNN 版本是 v7.6.5，点击后间接下载 for Windows10：
下载结束是一个压缩包，解压缩之后，把外面所有货色复制，而后粘贴到你的 cuda10.0 根目录下
NVIDIA GPU Computing Toolkit\CUDA\v10.0\
4. 测试 CUDA
关上命令提示符 CMD，输出 nvcc -V
如果装置正确，你会看到：
这就代表 CUDA 装置胜利
5. 装置 Tensorflow2.0
1. 关上 Anaconda Prompt，为 Tensorflow 2.0 配置一个虚拟环境conda create -n tf2 python=3.7
2. 激活环境activate tf2
3. 装置 Tensorflowpip install tensorflow-gpu==2.0.0rc1
留神：此处须要 ke-xue-shang-net 环境，如果你呈现 hash 对应谬误，超时等谬误，都是网络问题，删除 tf2 环境从头再来，删除环境操作方法参考我的这篇文章
6. 测试 Tensorflow2.0
依然在 tf2 环境下，输出 python，进入 python 交互环境，而后顺次输出以下测试代码：
import tensorflow as tf
print(tf.__version__)
print(tf.test.is_gpu_available())
正确后果上图，最重要的是最上面呈现 True
import os
os.system("nvidia-smi")
到此为止 Tensorflow 的装置完结。
7. 在 PyCharm 中应用 Tensorflow GPU 版
关上 PyCharm，关上 File->Settings–>Project->Project Interpreter，增加并应用 Tensorflow 虚拟环境下的 python 解释器，如下图：
而后装置 keras 等你须要的包，到此就完结了，能够开始写代码了。