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Tensorflow
pip 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。