这篇特别建议同学们去看，而且非常建议同学们
在下载Anaconda后应该
- 先更换下载镜像、
- 更新所有库
Anaconda一次更新所有库、conda常用命令、Anaconda 访问（下载）速度慢的问题的解决办法，更换源，清华源、conda换回默认源
Anaconda安装Tensorflow最新版本——使用Conda命令超级简单
Tensorflow版本与Python 版本、CUDA、cuDNN、编译器 构建工具的对应关系
前言
使用 GPU 并不是绝对必要的，但我们强烈推荐使用 GPU。大部分代码示例都可以在笔记本电脑的 CPU 上运行，但训练模型有时可能需要等待几个小时，而在一个好的 GPU 上则只需要几分钟。
想要用 NVIDIA GPU 做深度学习，需要同时安装 CUDA 和 cuDNN。
- CUDA。用于 GPU 的一组驱动程序，它让 GPU 能够运行底层编程语言来进行并行计算。
- cuDNN。用于深度学习的高度优化的原语库。使用 cuDNN 并在 GPU 上运行时，通常可
以将模型的训练速度提高 50% 到 100%。
CUDN10的安装
一、去官网进行下载：
- 下载地址，点击就跳转：
https://developer.nvidia.com/cuda-toolkit-archive - 选择需要的版本
3. 进入该版本的下载详情页面
Operating System选Windows，Version选择10，Installer Type选择exe（local），点击Download开始下载，安装包大小约为2.6GB。
（最新版本的TensorFlow2.1.0匹配的是10版本的CUDA Toolkit，因此我们下载10版本，否则后续TensorFlow框架的安装会出错，提示找不到动态链接库文件的信息）
二、打开下载的exe文件进行安装
安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；
临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；
安装目录，建议默认即可；
注意：临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的！！！
对安装的组件不太熟的用户建议选择精简安装，也就是安装所有组件并重写（覆盖）当前驱动
三、测试是否安装成功
安装完毕后，我们来测试一下CUDA是否安装成功。键入Win+R打开Windows命令提示符，键入nvcc -V，即可返回当前CUDA的版本信息。如果Windows命令提示符无法识别nvcc命令，则说明安装失败。
不用考虑环境变量，cuda安装过程中系统自动设置环境变量，不信的话，你去看看安装完成后系统变量是否增加了cuda的环境变量
cuDNN安装
一、去官网下载：
- 下载链接：https://developer.nvidia.com/rdp/cudnn-archive。
- 选择自己需要的版本进行下载就ok
注意：- 我们一定要选择与安装的CUDA版本相匹配的cuDNN（我这里CUDA10.2，选择适用于10.1的cuDNN，没办法，因为没有10.2对应的cuDNN）
- 请注意，若要下载cuDNN，必须先登录NVIDIA的账户。登陆账号特别慢，最后我用qq登陆的。浏览器下载cuDNN的过程也非常慢，我最后用迅雷下
二、cuDNN目录移动到CUDN目录
下载完成后，我们将其解压，并将里面的cuDNN文件夹重命名，复制到CUDA的安装目录下。此处可能弹出需要管理员权限的提示信息，点击继续即可。
三、设置环境变量
上述步骤完成后已经表明cuDNN安装完成。但是，我们还需要让计算机感知到cuDNN文件的具体位置，因此我们需要配置系统环境变量。回到桌面，点击“此电脑”，右键选择“属性”，在“控制面板主页”中选择“高级系统设置”，在弹出的对话框中点击“环境变量”，进入环境变量编辑对话框。
在“系统变量”一栏中找到Path变量，点击“新建”，键入cuDNN的安装路径“C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2cudnn-10.1cudain”，并点击“向上移动”将其置顶。
