Anaconda Tensorflow GPU 配置
工具和環境
- Windows10；
- Anaconda3 64bit 地址 https://www.anaconda.com/download/#windows；（直接利用上一篇博文配置）
前言
因為前面配置Visual Studio平臺下Tensorflow C++Api呼叫，已經安裝好Anaconda，並且新增路徑
C:\yourInstallPlace\anaconda3
C:\yourInstallPlace\anaconda3\Scripts
C:\yourInstallPlace\anaconda3\Library\bin
並且已經安裝使用了Tensorflow（不帶cpu或gpu字樣即預設cpu），發現訓練模型很慢，原來還需要特別安裝GPU版的tensorflow，所以開始重新配置。注意：開始前，最好先按照下面
安裝TensorFlow-GPU
如果你不會使用Anaconda的切換環境功能，並且有先安裝過tensorflow的最好先解除安裝（此處要選擇你安裝對應的spyder，如果不知道，先谷歌或百度下Anaconda環境切換，spyder，就會明白可以換個環境之間安裝）
pip uninstall tensorflow
pip list
conda uninstall tensorflow
conda list
都嘗試一次，然後呼叫list看看有沒有解除安裝乾淨。解除安裝以後，直接
conda install tensorflow_gpu==1.5//為了和之前安裝好的cuda9.0和cudnn9.0配合使用，直接conda install tensorflow_gpu會給你分配一個不合適的可能，如果你不是cuda9.0和cudnn9.0，請先查詢相應的tensorflow_gpu
測試
如果你前面步驟都成功了，需要先測試下到底能不能使用。還是上面的命令列，輸入：
python
import tensorflow
如果成功後再進入IDE，我的是spyder（此處要選擇你安裝對應的spyder，如果不知道，先谷歌或百度下Anaconda環境切換，spyderIDE），輸入
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
毫無反應就是失敗，有GPU字樣就是成功
[參考博文一：Win10 Anaconda下TensorFlow-GPU環境搭建詳細教程（包含CUDA+cuDNN安裝過程）][anchor-id]
[anchor-id]:
[參考博文二：Wind10環境，Visual Studio2017下用Bazel編譯Tensorflow(失敗轉呼叫編譯好的包配置使用Tensorflowc++)][anchor-id]
[anchor-id]: https://allentdan.github.io/2019/05/08/My-New-Test/
轉載著名：https://allentdan.github.io/2019/05/10/Anaconda-Tensorflow-gpu配置