我的体验：在GTX 960M上安装TensorFlow-GPU的步骤与感受

GTX960M安装tensorflow-gpu心得

GTX960M安装tensorflow-gpu心得与体会

安装了很多次，又卸载了很多次，终于成功了，不容易啊

安装Anaconda

由于电脑不算太新，所以Anaconda安装的是python3.6版本。
anaconda安装 ，安装教程很多，记得把自动添加到环境变量的那处打钩

安装cuda

cuda安装的版本是10.1，这个可以去网站上找很多的

1. 安装失败解决办法，取消掉CUDA里Visual Studio Integration前的√，其他可以全选，然后安装。之后再次安装cuda，不过只安装Visual Studio Integration安装就可以了。
   安装成功使用 nvcc --version 查看，如果显示就成功了。

安装cudnn

cudnn选择的是7.6版本，将里面的文件都复制到
**NVIDIA GPU Computing Toolkit ** 这个文件夹对应得文件里面

安装tensorflow-gpu

安装的tensorflow-gpu版本是2.1.0，与之对应的cuda10.1,cudnn是cuda10.1相对应的其中的7.6版本，

1. 第一步在命令行Anaconda Prompt 里面创建一个虚拟环境
   conda create -n tf-gpu python=3.6
2. 激活虚拟环境 activate tf-gpu
3. 在虚拟环境里面安装tensorflow-gpu pip install tensorflow-gpu==2.1.0
4. 安装完之后进入python命令行验证
   import tensorflow as tf
   a=tf.constant([1.0,2.0,3.0],shape=[3],name=‘a’)
   b=tf.constant([1.0,2.0,3.0],shape=[3],name=‘b’)
   c=a+b
   #通过log_device_placement参数来输出运行每一个运算的设备
   sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))
   print (sess.run©)
5. 没什么问题后可以使用 deactivate退出环境

在pycharm使用tensorflow-gpu

1. 创建新项目，新解虚拟环境，不过基础解释器需要使用tf-gpu，这个在anaconda安装目录下单envs里面找到，选择tf-gpu里的python.exe就可以了。创建的所有虚拟环境都会存放在envs文件夹里面。之后点击create就可以了。
   
   如果希望tf-gpu解释器里面包含的库更多，可以进入命令行的tf-gpu虚拟环境，使用pip install 。。。 安装你需要的库，以后就不要新的项目里面去添加了，所有继承tf-gpu的虚拟环境都可以使用了。

所有东西放在百度云盘上面了。方便下载自取。tensorflow-gpu 2.1.0这个使用命令行就可下载了。
链接：https://pan.baidu.com/s/1NWfwdxc6P-SP9oWTlVT6Bg
提取码：tfcu
里面包含
Anaconda3-5.2.0-Windows-x86_64
cuda_10.1.243_426.00_win10
cudnn-10.1-windows10-x64-v7.6.5.32