在 Anaconda 中安装 TensorFlow-gpu 2.0（无需下载 CUDA）
Anaconda 现在最高只支持 TensorFlow 1.13，还不能直接用 Anaconda 安装 2.0。

TensorFlow 2.0 需要 cuDNN >= 7.4.1，好在现在 Anaconda 的 cudnn 最高支持 7.6.0 了，所以可以直接使用 conda 安装。

下面这个方法只是针对当前使用，当 Anaconda 支持 2.0 之后，就可以直接使用 conda install tensorflow 安装了，我也是这次才发现 Anaconda 会直接把 CUDA 和 cuDNN 装好，一条龙服务。

在此强烈建议使用 Anaconda 直接安装 TensorFlow！！！免去折腾搭建环境烦恼！

conda search tensorflow --info 和 conda search tensorflow-gpu --info 可以查看当前 Anaconda 支持的 TensorFlow CPU 和 GPU 版本。

下面开始正题：

先创建一个新的环境来安装 TensorFlow。
conda create -n tf2.0 python=3.6
1
然后激活环境
conda activate tf2.0
1
先使用 pip 安装 TensorFlow 2.0
pip install tensorflow-gpu==2.0.0-beta0
1
然后在 Conda 中安装 cudatoolkit, cudnn, numba。Numba 用于支持 Anaconda 找到安装的 cudatoolkit 和 cudnn。
conda install cudnn cudatoolkit numba
1

运行 numba 检查 cudatoolkit 和 cuDNN。
numba -s
1
如果看到这些都 ok ，就没什么问题了。

Summary:

1/1 devices are supported

CUDA driver version : 10010
CUDA libraries:
Finding cublas

named  libcublas.so.10.2.0.168
trying to open library...    ok

Finding cusparse

named  libcusparse.so.10.1.168
trying to open library...    ok

Finding cufft

named  libcufft.so.10.1.168
trying to open library...    ok

Finding curand

named  libcurand.so.10.1.168
trying to open library...    ok

Finding nvvm

named  libnvvm.so.3.3.0
trying to open library...    ok
finding libdevice for compute_20...    ok
finding libdevice for compute_30...    ok
finding libdevice for compute_35...    ok
finding libdevice for compute_50...    ok

打开 Python，运行 TensorFlow！

仅针对 TensorFlow 2.0

import tensorflow as tf
print(tf.reduce_sum(tf.random.normal([1000, 1000])))

tf.Tensor(590.42694, shape=(), dtype=float32)
1
所以现在安装 TensorFlow 最方便的方法应该是直接通过 conda 安装，Pytorch 也是如此。

Anaconda 中 cudatoolkit 版本支持 7.5、8、9、10、10.1。

cuDNN 可选较少，支持 6.0、7.1.4（CUDA 8、9）、7.3.1（CUDA 9、10），7.6.0（CUDA 9、10、10.1）。

作者：蓝三金
来源：CSDN
版权声明：本文为博主原创文章，转载请附上博文链接！