現在網上的很多Tensorflow-GPU環境安裝教程都是這樣的：
- 安裝cuda
- 安裝cudnn
- 安裝tensorflow-gpu
本篇文章將教大家直接使用Anaconda來快速搭建自己的tensorlow-gpu版環境。
為什么要用Anaconda？
- 預先集成了很多數據科學相關的工具包，并且可以使用 conda 來安裝、更新 、卸載工具包 。
- 在conda中可以建立多個虛擬環境，用于隔離不同項目所需的不同版本的工具包，以防止版本上的沖突。比如python2.7環境和python3.6環境。
安裝anaconda
- 去官網下載anaconda，
https://www.anaconda.com/download/ - cd到安裝包所在目錄，安裝：
bash Anaconda2-5.1.0-Linux-x86_64.sh - 輸入conda list，若出現未找到命令，則需要修改環境變量（二選其一）：
永久添加環境變量(影響當前用戶)
vim ~/.bashrc
永久添加環境變量(影響所有用戶)
vim /etc/profile
最后一行添加export PATH="/home/ilab-gcf/anaconda2/bin:$PATH"
記得激活環境變量：
source ~/.bashrc
source /etc/profile - 創建虛擬環境：
conda create -n your_env_name python=2.7
虛擬環境相關命令：
激活source activate your_env_name
取消source deactivate your_env_name
刪除conda remove -n your_env_name --all - 由于資源訪問速度問題，需要添加國內鏡像：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrorsss.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
在已激活的虛擬環境下安裝GPU版本的tensorflow
- conda上查找tensorflow資源，
conda search tensorflow-gpu - 找到對應版本的tensorflow-gpu，例如：
tensorflow-gpu 1.9.0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - 使用命令
conda install --channel 來源 名字=版本安裝它，其中來源和版本都是可選項：
conda install --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main tensorflow-gpu=1.9.0，會默認安裝好numpy cuda cudnn tensorflow等依賴庫 - 測式，輸入python命令，再依次輸入如下代碼：
import tensorflow as tf
hello = tf.constant('Hello, Word!')
sess = tf.Session()
print(sess.run(hello))
附加->刪除安裝包命令：
conda remove xxx
假若沒有報錯那么代表環境已經搭建成功！
