Tensorflow——CPU版本的详细安装教程
为什么要安装GPU版？
Tensorflow有cpu和gpu两个版本，这两个版本之间的最大区别就是运行速度的不同。GPU版本要比CPU快很多很多。。。。。。下面用个代码测试一下（代码不重要，看结果）。
从结果我们可以看到，CPU版本热身阶段（warmup）和运行阶段（run time）的时间都为4秒多，GPU版的热身阶段（warmup）为0.24秒，运行阶段（run time）只有1毫秒。。。。。。可想而知，这区别有多大，所以在大型数据测试中，CPU的结果要处理很久甚至得不到结果，GPU版本是大数据测试必备的，而且就算是小数据测试，这两者的区别也很大，下面就详细介绍GPU版本的安装步骤（以Windows为例）。
Step1.ANACONDA的安装
anaconda的安装是很简单的，直接百度anaconda官网下载，然后找到Windows版本的64位（一般现在都是）安装下载就可以。
安装下载后，有一个细节要注意：
这两个√要勾上，这样可以在cmd命令行中操作anaconda，方便后续的操作。然后我们检验一下是否安装成功，直接打开cmd，然后输入conda list按回车，如果输出一堆东西(表示已安装的包和版本号之类的信息)，那么anaconda就安装成功了，第一步完成。
Step2.CUDA安装
第二步是CUDA的安装，CUDA可以提供一个电脑编程计算的加速器。在安装CUDA之前，要看看自己电脑是不是NVIDIA的显卡，如果不是，是不能安装的（这篇文章也没必要看了。。。），我自己是GTX—1650的显卡，性能这个左右的就差不多可以了，当然性能越高越好。
首先去到CUDA官网（直接百度就可或者下面的网址）
下载一个Windows版本的CUDA安装程序，然后到安装步骤，
默认是上面的默认安装，我们要选择下面的自定义安装（不然很大概率出错），接着点下一步，
第四个选项不要勾上，这是CUDA默认的一个应用程序，没必要选，会耗费大量资源而且对计算没有意义，如果没有这个选项就不用管。然后点开第一个选项的扩展，
这里的这个选项如果电脑里有vs的话，可以勾上，如果没有，一定不能勾，不然会出错，为了安全起见，可以直接不勾，没有影响。接着打开第二个选项的扩展，
这里的红框表示的是版本号，左边的是现在下载的CUDA的版本号，右边的是NVIDIA显卡默认自带的CUDA版本，这里要注意的是如果，如果右边的版本号大于左边的版本号，这个选项是不能勾上的，不然会安装失败，如果左边的版本号大于或等于右边的版本号，就要勾上。然后一直按下一步安装就行。安装完成后可以检测一下结果，打开CUDA的默认安装路径，然后找到bin目录，如果发现有mvcc这个应用程序就表示安装成功了。
接下来进行cuDNN的下载（需要NVIDIA注册），打开这个网址，下载当前版本的cuDNN,
cuDNN不是一个应用软件，只是一个文件，下载好后解压，再把这个文件复制粘贴到CUDA的v10.0目录下。
复制完成后打开cuDNN文件夹，然后找到bin目录，会发现下面这个文件，这个文件是非常关键的，没有这个文件，之后运行TensorFlow的时候，就会提示找不到这个文件，从而无法使用。
Step.3环境变量配置
接下来进行环境的配置，我们找到我的电脑，然后右键点开，打开属性，然后打开高级选项设置，再打开环境变量，下面是一个演示（英文版的，但意思都一样）
然后找到path，点开path，会发现开头有两个CUDA变量（如果成功安装好CUDA的话）。
接着点新建添加两个变量，一个是CUDA的CUPTI的libx64路径，一个是CUDA的cuDNN的bin路径，然后要注意把这两个路径上调到开头最前面的四个路径里面（前四个就行，这两个的顺序不重要），不然电脑找路径的时候，可能找不到（因为前面可能有相似的）。
Step4.Pycharm的安装和设置
去到Pycharm的官网，然后点击下载安装（社区版的就可以了），
然后注意勾选下面的选项，大概就是可以在cmd中打开pychaem和可以直接用右键以pycharm来打开文件等。
接着打开pycharm然后新建一个项目，
这里的环境可以自己选择，最好选py3.7的环境，如果没有默认显示，就自己手动添加（具体在这里不多介绍）。
TensorFlow的安装
下好pycharm后，可以直接在pycharm里面安装TensorFlow。首先打开file里的setting，
然后点开下面这个界面，
点击右上角的+号，输入tensorflow—gpu，再点击下面install安装即可。（如果速度慢，使用镜像下载，具体方法在这里就不介绍了。）
测试
在上面的步骤都进行完成后，就可以使用了，我们用一段简单的代码测试一下。
出现这种结果就表明TensorFlow-GPU版本可以正常使用了，安装完成。