本方法優點

• 不需要逐個自己安裝cuda， cudnn甚至vs2015等坑爹玩意
• 不會直接在自己電腦上裝cuda，防止各種路徑混亂之類。
• 可以多個cuda兼容操作
• 可以完美的在不影響已有tf1.0系列的情況下，完美使用tf2.0對於絕大部分讀者，第一條已經是足夠的理由了，畢竟現在大部分的博客攻略還是大費周章的。

準備工作

以我電腦為例，但本方法絕對不限於此種配置

系統Windows 10, 顯卡1080Ti

前期準備

1. 從英偉達
   官網更新顯卡驅動至最新版本，以前受某些博客影響，擔心驅動過新無法向前兼容。今天破釜沉舟之下發現， 最新驅動仍可以兼容Cuda9.0，因此不會導致以前的cuda無法使用。相反，最新驅動可以讓你支持最新的cuda。
2. 官網下載Anaconda3最新版本。根據本人經驗，只要你想做python開發且是新手，遲早要下的。

開工

1. 打開 Anaconda Prompt。 （下完anaconda後自動會出現，開始菜單的Anaconda3可以找到）輸入以下命令行創建新環境：conda create -n tf2 python=3.6這段代碼的意思就是新創建一個名為tf2的python3.6環境。這是Anaconda廣為使用的原因之一，很容易切換多個python版本。

   緊接著運行activate tf2，進入tf2環境。（成功的話會發現命令行前面括弧裏從base變成了tf2）

1. 下載tensorflow-gpu。這一步以tensorflow2.0為例， 繼續在Anaconda窗口運行pip install tensorflow-gpu2.0.0-alpha0```。很快安裝成功（速度太慢的話自行百度切換pip鏡像源**）</li> <li>依次運行conda install -c anaconda cudatoolkit和conda install cudatoolkit cudnn。本來這兩個東西是要自己去官網下載安裝還要配各種path變數之類的。幸而，conda幫你完成了。 有幾大好處：</li> </ol> <ul> <li>極其省事</li> <li>不需要配置變數名，防止出錯</li> <li>只下載了cudatoolkit，沒有下載一整個，空間節約了三倍以上</li> <li>cuda下載在當前的虛擬環境（如這裡的tf2）而非在C盤整個系統環境中。因此可以同時兼容多個cuda版本，環境間互不幹擾</li> </ul> ¨K6K 測試一下：可以直接在Anaconda Prompt裏輸入pythonJ進入python環境 然後運行 ¨G0G 如果沒有報任何錯誤，那麼已經成功配置！ 重複上述操作，可以創建許多不同tensorf版本不同cuda版本的環境，來支持不同的版本的代碼運行！ ¨K7K 下午本著嘗試tf2.0的心態，驚喜的發現了這一操作。相比去年安裝cuda9實在是輕鬆了太多。然而現在還沒有詳細敘述這一方法的博文，因此本著分享的心態，以這篇博文志之，希望對需要幫助的有所裨益。所有問題都可以直接評論討論，也可以郵箱聯繫[email protected]```。Tipstensorflow2.0的API修改有點多，目前來看文檔太少，大家可以不急著升級。

推薦閱讀：

相關文章