更新一波：
貌似一个命令就可以了
conda install tensorflow
#conda install tensorflow-gpu
记录一下自己安装TensorFlow过程中遇到的一些问题...
-
环境介绍
-- win10 1909
-- anaconda 3
-- TensorFlow 2.1 -
安装方法
目前网上能够找到的安装方法都是基于 TensorFlow 2.0 版本的，不过好在2.1版本也基本适用。不同于2.0以前的版本，TensorFlow2.0及以后的版本在安装时可以不再区分 gpu 或 cpu 版本而直接使用 pip 安装。
-- 首先，我们需要安装 anaconda3，其安装方式网上的文章也比较多，就不再介绍了。需要注意的是，anaconda的默认源安装速度非常慢，如果没有比较好的科学上网工具可以将源更换为清华大学的源，具体参考这篇文章win10 Anaconda创建、删除、克隆、导出、查看环境，添加镜像源，如果有比较稳定的科学上网工具可以使用下面的命令设置代理
set http_proxy=http://127.0.0.1:1080 //端口依据自己的工具修改
set https_proxy=http://127.0.0.1:1080
#判断是否代理成功
curl www.google.com
或者只在conda 中配置代理：在用户目录下的 .condarc 文件中添加以下内容：
proxy_servers:
http: http://代理服务器IP:端口号
-- 安装好anaconda后，我们就可以借助conda的相关命令来安装TensorFlow了
#打开终端，在命令行输入以下命令
conda create --name tf2 python=3.7 # “tf2”是你建立的conda虚拟环境的名字
conda activate tf2 # 进入名为“tf2”的conda虚拟环境
# 使用 pip 安装即可
pip install --upgrade pip # 更新 pip
pip install tensorflow
注意：pip 的默认源也是比较慢的，没有好的工具请更换国内源，但是国内源在安装的时候会报错，所以我科学上网了一下，用默认源是没问题的。错误信息应该是国内源版本还没同步，可以自行上网下载一下，然后离线安装相应的包即可（注意，我没试！！）。
ERROR: Could not find a version that satisfies the requirement tensorboard<2.2.0,>=2.1.0 (from tensorflow) (from versions: 1.6.0rc0, 1.6.0, 1.7.0, 1.8.0, 1.9.0, 1.10.0, 1.11.0, 1.12.0, 1.12.1, 1.12.2, 1.13.0, 1.13.1, 1.14.0, 1.15.0, 2.0.0, 2.0.1, 2.0.2)
ERROR: No matching distribution found for tensorboard<2.2.0,>=2.1.0 (from tensorflow)
可能有的小伙伴设置了代理后还是比较慢，我们可以拿到 TensorFlow的下载链接后用迅雷等软件下载，然后离线安装
(tf3) λ pip install tensorflow
Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple
Collecting tensorflow
Using cached
## 这就是我们的下载链接，注意我用了国内源，默认源不是这个地址
https://pypi.tuna.tsinghua.edu.cn/packages/34/d5/ce8c17971067c0184c9045112b755be5461d5ce5253ef65a367e1298d7c5/tensorflow-2.1.0-cp37-cp37m-win_amd64.whl (355.8 MB)
在手动下载好包后，我们可以使用下列命令离线安装。安装过程中需要的一些体积较大的包都可以使用这种方式
pip install + 包在本地的存储路径
--- 在安装好TensorFlow后，我们需要安装相应的GUP加速模块。首先当然是判断自己的显卡是否支持 cuda 了，支持的话则需要安装显卡驱动（一般都已经安装好了），cuda和cudnn 。显卡的判断以及驱动的安装具体方法网上很多文章，就不介绍了。
安装 CUDA 以及 cuDNN时需要注意版本匹配问题，我们可以在官网上查看到相应的版本信息TensorFlow官网
image.png
如果需要安装其他版本的TensorFlow，则可以点击 windows 下拉查看对应的版本（TensorFlow2.0 以前的版本貌似是可以直接用 conda install 命令直接安装的，不介意版本的使用旧版本可能更方便）
有一点需要注意，官网上给出的 CUDA和cuDNN安装方式是下载相应的软件进行安装，可以参考这篇文章TensorFlow2.1.0安装教程。但是这种安装方式在我的电脑上出现了一些问题，那就是终端命令行可以使用GPU加速，但是pycharm中会报错，无法调用GPU
因此，推荐使用anaconda完成cuda等的安装。进入对应的虚拟环境后（上面步骤创建的），使用如下命令安装
conda install cudatoolkit=X.X
conda install cudnn=X.X.X
#对于2.1版本，则是
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
再次强调，版本必须匹配！！！
至此，我们的安装过程就结束了，可以使用如下代码进行测试
import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)
# 我这边的输出结果
# tf version: 2.1.0
# use GPU True
参考文章：
网友评论