鉴于多次安装的经历，每次安装都别样的闹心，于是乎，写下这个文档。对相关部分感兴趣的小伙伴可以选择直接选择性欣赏～
- Python 环境 ( 通过Anaconda )：
Python直接使用了Anaconda创建的虚拟环境。
（大家可以在这里选择版本下载：
Index of /anaconda/archive/mirrors.tuna.tsinghua.edu.cn
也可以点击下面链接直接下载windows + python3 + 64位版本
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.02-Windows-x86_64.exemirrors.tuna.tsinghua.edu.cn
当然，感兴趣的话可以试一下Miniconda版本：
Index of /anaconda/miniconda/mirrors.tuna.tsinghua.edu.cn
）
下载之后双击 .exe 程序选择安装：
里面有一个，是否自动添加到环境变量，可以选择默认不添加（安装之后需手动添加），或勾选上后让安装程序自己添加。
如果没有勾选的话，需要手动添加：
添加对应自己安装的Anaconda3 下的几个路径（画框的那个路径如果本地没有就不用添加了哟～）：
命令行输入：
# 创建 python==3.6 的虚拟环境，如果不指定版本默认创建 3.7.4（编辑于2020年6月30日）
$ conda create -n py36 python=3.6
$ conda activate py36
$ python
>>>...
# 显示不报错误和警告就
2. 安装Tensorflow GPU版前的系统配置：
首先，让我们注册一个NVIDIA的账号：
https://login.developer.nvidia.com/login?state=g6Fo2SA0cUhRa1BlcThhV3ZhTVJ6aks4YUhmSEttcG9uNzN6RKN0aWTZIGFScWxCeTdUdjNDcjVxcnpwZ2ZXYnNMellLNGFjMy1Eo2NpZNkgNGpsalRlak43Uk1POXN1TDBTMzNnRnJZZ2pIWDBWY1c&client=4jljTejN7RMO9suL0S33gFrYgjHX0VcW&protocol=oauth2&response_type=code&method=login&redirect_uri=https%3A%2F%2Fdeveloper.nvidia.com%2Fauth0%2Fcallback%3Fdestination%3D&scope=openid%20profile%20email&audience=https%3A%2F%2Fdevzone.auth0.com%2Fuserinfologin.developer.nvidia.com
（1）安装CUDA（CUDA toolkit）
（2）配置cuDNN
先要检查我们电脑可以使用CUDA的版本：
桌面右击点击 “NVIDIA控制面板” ：
例图1：查看CUDA版本
选择左下角的 “系统信息” ～
例图2：查看CUDA版本
选择 “组件”，然后选择里面的 NVCUDA.DLL，就可以看到我们即将下载的CUDA版本啦～
例图3：查看CUDA版本
现在版本我们已经确定好了：CUDA 10.2
接下来我们按步骤开始安装：
（1） 点击下面的 CUDA Tookit 的下载链接，选择我们所需要的对应CUDA版本
CUDA Toolkit Archivedeveloper.nvidia.com
这是我点击下载CUDA 10.2 之后 的截图，选好系统版本之后下载 .exe 一键安装即可～
例图：CUDA 10.2下载
添加一下环境变量(共四个～)：
{你自己的安装路径}CUDAv10.2bin
{你自己的安装路径}CUDAv10.2libnvvp
{你自己的安装路径}CUDAv10.2
{你自己的安装路径}CUDAv10.2libx64
例子（这个是我的，仅作参考～）：
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2bin
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2libnvvp
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2libx64
# 查看是否安装成功,以及当前版本号（如果系统里曾经装过CUDA的话，记得清理一下环境变量里之前的版本内容，否则默认返回环境变量里最后一个路径，这个命令就没有意义了）
$ nvcc -V
（2）接下来配置cudnn，这个比较方便啦～
按照自己本地刚才下载的CUDA版本，点击下方链接进行相应的下载（我是CUDA 10.2， 所以我选择了下面截图中的框选地址）
https://developer.nvidia.com/rdp/cudnn-downloaddeveloper.nvidia.com
例图：cuDNN下载
解压缩下载的 cuDNN 压缩包，将里面的三个文件夹（bin， include， lib）直接copy到CUDA Toolkit 的安装路径下（路径记不清的小盆友可以参考我的默认安装路径哦～）
例图：将解压cuDNN文件拷贝到CUDA 安装路径下
3. 配置完工，接下来我们可以安装Tensorflow-GPU啦～
选择任意一种Tensorflow的安装方式，例如我用的 pip直接安装
$ pip install tensorflow-gpu
安装成功之后
import tensorflow as tf
tf.test.gpu_device_name() # 返回所支持使用的GPU的名字
例图：成功返回结果是这样的
如果返回 ' ' ，则表示返回失败，查看报错以及警告信息。
4. 增加一个pytorch gpu的版本
根据下面链接上官网上的提示选择对应的版本安装之后
https://pytorch.org/get-started/locally/pytorch.org
import torch
print(torch.cuda.is_available()) #返回 True 为成功
错误记录：
我忘记了很多安装的错误记录，有一些常见问题：
- cudart64_101.dll not found 的问题，有各种各样的cudart64_{int}.dll找不到：
我的解决方式可能很粗暴，不过管用：在CUDA的安装目录下找到bin目录：将同名文件夹下的 “cudart64_100” 改成 “cudart64_101“，解决这个问题
例图：解决cudart64_{}.dll 找不到的问题
