一、Anaconda安装

首先安装Anaconda软件，其集成了很多科学计算所需库，为后续tensorflow的安装作准备。安装Anaconda可点击这里：Anaconda官网。

这里我选择的是Anaconda 2019.10 for windows的Python3.7版本。

安装完成后，需要配置环境变量，这样可实现在命令行cmd中执行anaconda相关的命令，如pip、ipython等。配置方式如下：

1. 我的电脑——属性——高级系统设置——环境变量
2. 用户变量——path——编辑

随后新建加入Anaconda文件夹下Scripts的路径，如下图：

二、tensorflow2.0安装

2.1 创建Anaconda环境

Anaconda可以创建多个python环境，可以在同一时间虚拟出不同的python环境来运行不同的程序，各环境程序互不干扰，方便管理。

首先创建一个Anaconda的python环境，后续在此环境下安装tensorflow2.0.0等所需库。

打开Anaconda Prompt，执行创建Anaconda环境的指令

TF20是我自定义的环境名称，python=3.7代表创建python环境的版本

conda create -n TF20 python=3.7

当弹出 ：Proceed ([y]/n)?输入y回车，完成后就可以进入此环境。

创建完成后，可使用以下指令查看环境是否创建成功

conda env list

2.2 进入TF20环境

在cmd命令行下输入以下指令，进入已经创建好的环境

activate TF20

想退出当前环境，可以使用以下指令

deactivate

2.3 Tensorflow安装

进入TF20环境后，可使用conda安装Tensorflow或其它工具包 （不同环境之间的工具包相互独立）

CPU版本安装：

conda install tensorflow=2.0.0

GPU版本安装（需要有NVIDIA显卡支持）：

conda install tensorflow-gpu=2.0.0

注意：GPU版本安装需要符合以下条件：

• NVIDIA驱动程序需要410.X或更高版本
• CUDA版本等于10.0（不可以是10.1）
• CUDNN版本大于7.4.1

其中，NVIDIA驱动程序版本查询可在cmd中输入 NVIDIA -smi 查询。

如果用conda安装tensorflow后不能使用（有资料指使用conda安装tensorflow时会自动升级CUDA和CUDNN，不过博主是先更新CUDA和CUDNN的）

可点击CUDA下载 和 CUDNN下载 更新上述版本的CUDA和CUDNN。

CUDA安装后可在命令行输入 nvcc -V 查看是否安装成功
CUDNN安装后需要添加bin路径至环境变量，如下图

此处可参考另一篇博文。

三、验证tensorflow安装成功(三选一)

3.1 ipython验证

首先进入TF20环境，然后输入ipython指令，进入python编程环境。

随后可读入tensorflow

import tensorflow as tf

如果能成功读入，说明安装基本成功啦！
接下来再来看看版本号，如果是GPU版本可以查看GPU是否可以：

print(tf.__version__)    #查看tensorflow版本
print(tf.test.is_gpu_available())  #查看tensorflow GPU版本是否可用

执行过程可能慢一点，需要耐心等待。

3.2 anaconda与pycharm配合验证

首先，设置anaconda中的python为解释器

在Project中的python文件执行以下程序：

import tensorflow as tf

version = tf.__version__
gpu_ok = tf.test.is_gpu_available()

print("tf version:",version,"\nuse GPU",gpu_ok)

结果为：

tf version: 2.0.0
use GPU True

则表示正确

3.3 anaconda中jupyter notebook验证

jupyter notebook具有很好的交互性，同样可以用来看看tensorflow是否安装成功。

首先，在TF20的环境中，安装jupyter notebook

conda install jupyter notebook

然后打开jupyter notebook

执行下述代码

import tensorflow as tf

version = tf.__version__
gpu_ok = tf.test.is_gpu_available()

print("tf version:",version,"\nuse GPU",gpu_ok)

结果为：
tf version: 2.0.0
use GPU True