anaconda安装见前一篇https://www.cnblogs.com/wintersoft/p/11609188.html

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
打开Anaconda-Navigator->Environments->base(root)修改python版本到3.6.8
python3.7目前对tensorflow2.0支持不好

创建环境
在Anaconda里创建名为tensorflow-gpu的环境
conda create -n tensorflow-gpu python=3.6.8
进入tensorflow-gpu环境
activate tensorflow-gpu 进入tensorflow-gpu环境

查看Anaconda里的环境
conda info --envs

检查新环境中的python版本
python --version

在cmd里先执行以下两行
easy_install pip
pip install--upgrade pip
pip install pip -U # 升级 pip 到最新的版本 (>=10.0.0) 后进行配置
设置国内源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
文件地址在C:\Users\Administrator\AppData\Roaming\pip\pip.ini

回到Anaconda Prompt
安装pylint
pip3 install pylint

pip3 install --upgrade -I setuptools
否则后面可能报ImportError: No module named 'tensorflow'

pip3 install ipykernel

pip3 install keras

pip3 install pandas

注：pip install 命令只会安装在 C:\ProgramData\Anaconda3\Lib里，不会安装进tensorflow-gpu环境，这里用conda install。

conda install ipykernel

conda install pandas

conda install keras

此错在网上还有一种解决方式：
在python默认的第三方库安装路径中，（对于只安装了Anaconda的人来说是\Anaconda3\Lib\site-packages，安装官方发行版本也在类似的目录中）新建一个path.pth文件，在里面写上你tensorflow安装的位置（位置可以用pip show tensorflow查看）

先安装tensorflow
pip3 install --upgrade --ignore-installed tensorflow --default-timeout=100

pip3 install tensorflow-gpu==2.0.0或
pip3 install --upgrade --ignore-installed tensorflow-gpu==2.0.0
如果报错超时，延长超时时间
pip3 install --upgrade --ignore-installed tensorflow-gpu==2.0.0 --default-timeout=100
pip3 install --upgrade --ignore-installed tensorflow-gpu --default-timeout=100

还需安装Visual C++ Redistributable for Visual Studio 2015
https://download.microsoft.com/download/6/D/F/6DF3FF94-F7F9-4F0B-838C-A328D1A7D0EE/vc_redist.x64.exe

还有另一种anaconda的安装方式conda install xxx 但版本更细较慢
先用conda search tensorflow和conda search tensorflow-gpu来查询都有那些版本
conda install tensorflow-gpu==2.0.0

安装CUDA和CUDDN
确保显卡必须是NVDIA的
在C:\ProgramData\Anaconda3\Lib\site-packages\tensorflow\python\platfor下的build_info.py文件可以看到需要的cuda和cudnn版本号
CUDA
显卡型号支持：https://developer.nvidia.com/cuda-gpus
CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive 可迅雷下载
cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-download 非迅雷下载
作为cuda的补充，安装简单多了，只需要把下载后的压缩文件解压缩，分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0对应的include、lib、bin目录下即可。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin下有nvcc.exe说明安装成功
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64下有cupti64_100.dll说明CUPTI安装成功

环境变量添加CUPTA和cudnn路径
CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
Path变量加入:
%CUDA_PATH%
%CUDA_PATH%\bin
%CUDA_PATH%\libnvvp
%CUDA_PATH%\extras\CUPTI\lib64
记得注销或重启

cmd 输入命令 nvcc -V 注意V大写

安装完成后，可以对其进行测试，在Prompt输入
python -c "import os; import inspect; import tensorflow; print(os.path.dirname(inspect.getfile(tensorflow)))"

另一种方式
ipython
import tensorflow as tf
引用tensorflow包，如果没有报错，则安装成功。
如果报ModuleNotFoundError: No module named 'tensorflow'是因为pip的安装方式与其他不同，安装tensorflow-gpu时不会把依赖的tensorflow也跟着安装。
查看tensorflow版本
tf.__version__
查看tensorflow安装路径
tf.__path__
查看keras版本
tf.keras.__version__

如果在pycharm IDE下:
File->Settings->Project: 项目名->Project Interpreter
1、 Project Interpreter->Show All->+Existing environment->Interpreter选中... 加入C:\ProgramData\Anaconda3\envs\tensorflow-gpu\python.exe

不用anaconda的安装方法是：设置好python.exe后返回到Project Interpreter界面 + 搜索tensorflow 安装tensorflow-gpu 2.0

测试
ipython
import tensorflow as tf
tf.test.is_gpu_available()
如果显示True，说明gpu版本已经安装成功
tf.test.gpu_device_name()