自己记录下搭建环境的过程方便日后重新搭建
首先下载我们的python环境，这个了解的都知道anaconda这个东西吧不用多说，各种深度学习所需的包都在里面。
一路安装，注意一点就好它安装的选项里有添加path环境变量给他打上勾。
安装完后会发现path里会多
安装完成后下一步安装tensorflow
But！
发现tensorflow官网上说明不支持python3.7.。。。
我们发现tf-gpu支持都是3.5或3.6
那还说啥当然用最新的啊！！！果断用3.6python
打开CMD输入nb的命令
--------> conda create --name py36 python=3.6
输入后会自动下载安装python3.6版本
在自己安装的anaconda的目录下x:xxx\Anaconda3\envs目录下会生成我们上面命令生成文件py36,这个目录下就是我们的python3.6环境
开始菜单打开anaconda prompt命令行
输入命令：activate py36 就可以进入python3.6的环境，不信的可以输入python看看
到此装好python环境开始下一个恶心的阶段gpu环境
根据上面tensorflw官方提供说明我们需要cuda9.0 和 cudnn7
此处有一坑需要注意下，桌面鼠标右键打开NVIDIA 控制面板-->帮助-->系统信息-->组件
这里可以看到我们能使用的cuda和cudnn版本，按照自己对应的下载就可以了。
cuda下载 cudnn下载 cudnn需要注册填写资料自己弄弄就好
注意cuda和cudnn版本需要对应 如cuda10.0 对应cudnn7.4.1
下完完成后安装cuda 一路安装没啥特别注意的。
安装完成后查看本机环境变量
我们可以看到cuda安装的位置 然后将我们下载的cudnn压缩包解压出来吧对应的文件复制到cuda文件夹下
注意看第三的环境变量
是不是发现没有啊。这个是需要自己手动设置的，一定要设置不然tf可是跑不起来的。
到此准备环境都已经差不多了，接下来重头戏 T T T Tensorflow-gpu啊
此步骤是最鸡儿简单的
打开我们上面安装的anaconda prompt命令行运行我们py36的环境
在py36环境下输入pip install tensorflow-gpu==x.x.x
输入自己安装的cuda所支持的tf版本可参考上面给出的版本适用图
如果没报错那么说明安装没问题那么我们跑个官方代码试试
import tensorflow astf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()print(sess.run(hello))
这里会打印Hello, TensorFlow!这就恭喜你可以开始编写TF代码了
到此环境搭建已经完成。
