一、本地安装
如果直接在本地环境安装（不创建虚拟环境:参考下文虚拟环境）。直接这样
conda install -c conda-forge cudatoolkit=11.2.0 cudnn=8.1.0
conda install tensorflow-gpu==2.10
（最好改一下conda下载源）
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes二、虚拟环境安装
建议在Anaconda Prompt (anaconda3)中运行
1、查看所有虚拟环境
conda info --envs2、安装虚拟环境
建议3.9.0之前版本，ipykernel只支持3.9.0之前版本（ipykernel是支持在jupyter notebook打开虚拟环境的库）
conda create --name tf-gpu python==3.8.0--name 后面的是虚拟环境名字，也就是自定义环境名称，譬如：tf-gpu
python==是指定安装的版本号。这里安装的版本是3.8.0
3、进入虚环境tf-gpu
activate tf-gpu# 退出虚环境 deactivate或者conda deactivate
# 删除虚环境 conda remove --name tf-gpu --all
4、查看本机支持哪些tensorflow版本
（带gpu是gpu版本，默认cpu版本）
GPU版本
conda search tensorflow-gpu
或者
CPU版本
conda search tensorflow安装tensorflow（注：安装GPU版本系统会自动根据机器环境安装相应的CUDA和cuDNN）
如上图，安装对应的tensorflow-gpu版本需要 安装对应的cuDNN和CUDA。
tensorflow-gpu2.11之后就不再支持windows安装。
所以最新只能安装到tensorflow-gpu==2.10
版本和cuda、cudnn必须匹配（不然各种bug）
个人建议：先去CUDA官网下载cuda
再去cuDNN官网下载cuda对应的cuDNN
！！！ 先cuda
接着cuDNN
最后再conda install tensorflow-gpu
# CUDA和cuDNN也可以不下载，
但是conda install tensorflow-gpu的时候会下载CUDA和cuDNN这两个的部分插件，外网下载速度很慢。不如提前装好CUDA和cuDNN
英伟达驱动下载网站：CUDA
安装好CUDA之后，再安装cuDNN
查询下载cuda对应版本的cuDNN
英伟达驱动下载： cuDNN
下载cuDNN需要登陆权限，如果觉得注册账号复杂的话，可以从在云盘上下载
cuDNN_8.8.0 （CUDA 12.X）
cuDNN_8.7.0（CUDA 11.X）
下载好cuDNN将其解压，把cuDNN中的文件复制到对应的CUDA文件中，
5、安装TensorFlow-gpu2.6版本
也可以不带==2.6.0（默认安装最新版本，等等是指定版本）
conda install tensorflow-gpu==2.6.0安装TensorFlow2.6版本
也可以不带==2.6.0（默认安装最新版本，等等是指定版本）
conda install tensorflow==2.6.06、（1）在原始环境中安装插件和ipykernel（在jupyter中可以选择环境）
conda install nb_conda
conda install ipykernel
（2）虚环境中安装ipykernel
activate ➕自定义环境名称 # 进入指定环境中
activate tf-gpu
conda install ipykernel注：一般会使用Matplotlib包，虚环境中没有这个包，需要手动安装！！！
# 因为安装ipykerner时conda会自动升级，再使用conda安装其它包时可能会报错，建议使用pip命令安装
pip install matplotlib7、检验TensorFlow2.0是否安装成功
确认在自定义环境名中 # activate tf-gpu
进入python环境
python导入TensorFlow
import tensorflow as tf查看tensorflow版本
print(tf.__version__)查看GPU
print('GPU', tf.test.is_gpu_available())# 最好不要安装最新的tensorflow，本地不支持(gpu)
# 经测试，tensorflow-gpu的版本是2.10，python版本是3.9，可使用
# 安装代码如下
# 1安装python虚拟环境
conda create --name tf-gpu python==3.9
# 2进入虚拟环境
activate tf-gpu
# 查看可安装版本
conda search tensorflow-gpu
#安装tensorflow-gpu2.10版本
pip install tensorflow-gpu==2.10.0
https://tensorflow.google.cn/install/pip?hl=zh-cn#package-location
