之前跑大量的深度学习代码时，用的 tensorflow 的版本比较古老，但若直接更新则会使得我们原本大量的代码需要重新编写，才能在本电脑上运行。因此可以选择另一种方式来进行 “更新”：在原基础上，再配置一个 Python 的完整环境，并在里面安装 tensorflow-gpu 2.0.
本实现方式参考了网上的一些教程（在文章的末尾有参考链接），并且是建立在安装 Anoconda 的基础上。
创建新环境
在开始菜单中，打开 Anoconda 的命令行窗口，Anoconda Prompt。
然后输入下述命令创建新的环境（下述命令中 tf2.0 表示环境名称，可以任意设置；python=3.7 也可以根据自己的需求定）：
conda create -n tf2.0 python=3.7输入完成后，只需耐心等待相关包的配置即可完成安装。
激活环境
创建完成后，输入下述命令，即可进入到新的环境中去，目的是为了配置现有环境。
activate tf2.0配置环境
激活环境后，我们就要配置 tensorflow-gpu 2.0 以及相应的 cuda 版本。
activate tf2.01) 安装 tensorflow-gpu 2.0
使用 pip 安装 tensorflow-gpu 2.0，如果觉得安装速度过慢，推荐使用：pip（国内镜像）快速安装Python库 中所述的方式进行安装（豆瓣比清华更稳定一些）。
pip install tensorflow-gpu==2.0.02) 配置 cuda 与 cudnn
为避免采坑，重要的事情说三遍：
用下述命令同时安装 cuda 与 cudnn！
用下述命令同时安装 cuda 与 cudnn！
用下述命令同时安装 cuda 与 cudnn！
若不同时安装，有时候会出现一些比较麻烦的事情，这里就不细说了。
conda install cudnn=7.6.0 cudatoolkit=10.0其它版本不太确定，但是上述版本是亲测能够无 bug 运行的。
3) 安装 spyder (可不装)
主要是用惯了 spyder，所以可以直接用下述命令装最新版本的 spyder（这里注意，要用 conda 命令装，不能用 pip，后者依赖装不全）：
conda install spyder退出环境
最后除了直接关掉 Anoconda Prompt 窗口外，也可使用下述命令退出我们刚刚激活的 tf2.0 环境.
source deactivate退出环境前的测试
这里的案例用的是 tensorflow 官网的 GAN 的案例，若想要成功运行，需要先使用 pip 安装好三个依赖库：imageio，matplotlib，pylab。
代码参考：TensorFlow-Learn-TensorFlow-Core-Tutorials: 深度卷积生成对抗网络，这里就不粘贴了，就贴一贴中途的一些结果，以及最后生成的 gif 图。（这里官方教学生成 gif 图给一个大大的赞！）
1 个 epoch ：
5 个 epoch ：
10 个 epoch ：
20 个 epoch ：
50 个 epoch ：
最终合并的 gif 动图：
参考
