由于学习深度学习的需要，在这里做一个笔记为了方便以后配置环境。在这里我给自己的笔记本电脑上搭建一个GPU环境。电脑配置的显卡为GTX960M，cuda_9.0和cuda对应的cudnn版本。
由于官网下载速度实在是慢到不行，所以这里使用清华的镜像源进行下载：Anaconda下载 在这里选择需要的版本，不同版本的Anaconda对应不同的Python版本，这里我对应事先配置好的Python3.6,选择的版本为Anaconda3-5.0.0-Linux-x86_64.sh。 Anaconda版本和Python版本的对应关系可参考博客：https://blog.csdn.net/yuejisuo1948/article/details/81043823
下载结束后，进入下载目录，打开终端输入命令：
bash Anaconda3-5.0.0-Linux-x86_64.sh得到显示对应的内容，按enter继续安装。 一直回车，最后输入yes添加路径。 打开终端输入命令：
sudo gedit ~/.bashrc查看路径中有没有对应的路径， 如果没有需要添加：
export PATH="/home/lb/anaconda3/bin:$PATH" //其中lb时我自己的用户名，请根据需要修改自己的用户名然后更新一下bashrc文件。
sudo source ~/.bashrc在终端中输入命令：
python3我们可以得到下图： 可以看到我们已经安装成功，Anaconda已经和我们的python版本匹配。
我们在下载时如果不更换下载源，不仅下载速度过慢而且很有可能会下载失败，出现runtime××类型的错误，所以我们可以更换下载源。 打开终端输入命令：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes如果下载速度依然很慢，可以尝试其重启系统，也可以重新添加下载源，删除defaults源。 在终端中输入命令：
conda config --show显示现在的源，这里我已经把最后的defaules删除，重新添加的源。 删除源命令：
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --remove channels defaults重新执行添加源命令。这样使用conda命令，下载速度很有很大的提升。
修改pip.conf文件，如果没有就创建一个
mkdir ~/.pip cd ~/pip touch pip.conf sudo gedit ~/.pip/pip.conf在打开的文件中输入以下命令：
[global] index-url=http://mirrors.aliyun.com/pypi/simple/ [install] trusted-host=mirrors.aliyun.com保存并退出
根据网上很多资料，我们在这里选择创建虚拟环境进行安装。
使用conda命令进行创建：
conda create --name tensorflow python=3.6在创建虚拟环境时一定要注意虚拟环境中的python版本，这个版本与你的需要的环境版本是相关的，比如我在这里使用的Tensorflow1.9.0需要的版本是python3.6。 输入命令过后，我们会得到下图， 表示我们创建虚拟环境成功。 输入命令激活虚拟环境
source activita tensorflow我们可以得到下图，表示我们已经成功的进入了虚拟环境中。 要退出虚拟环境可使用命令：
source deactivita tensorflow在下载Tensorfow的gpu版本的时候，一定要注意tensorflow是有对应的cuda版本和cudnn版本的，可以参考博客：Tensorflow的安装条件
输入y，等待下载结束便可，如果下载失败，出现runtime类型的错误，重新下载就行，已经下载好的文件不会重新下载。一点都无法下载的话可以更换下载源，也可以使用pip3进行下载。
为防止版本过低不能下载的情况，可以先更新pip3在下载：
sudo pip3 install -U pip sudo pip3 install tensorflow==1.9.0下载失败重新下载即可。等待下载结束。 测试下安装情况，在虚拟环境中输入命令
python3得到结果 再输入内容
import tensorflow as tf tf.__version__得到输出
1.9.0在这里可能出现警告，警告原因可能是由于numpy版本过高造成的。 如果没有警告接着输入内容
tf.test.is_gpu_available()如果输出结果为Ture则表示安装成功，False表示失败，如果你的ubuntu使用的是集成显卡驱动的，那还是使用cpu版本较好。
解决刚刚版本的警告我们可以使用命令
python -c "import numpy as np; print(np.__version__)"查看现在numpy版本，然后下载比这个版本低的版本即可。我的输出为
1.17.0使用下载命令
conda install numpy==1.16.0将版本换低就没有警告了。
输入命令
conda install spyder等待下载安装结束。
注意： 由于我们是在虚拟环境中安装的spyder所以我们每次调用时都需要进入虚拟环境中，否则在调用tensorflow时可能会出现cannot find tensorflow import 的情况。
在终端中输入命令
spyder打开spder软件，输入测试代码。
import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') #初始化一个TensorFlow的常量 sess = tf.Session() #启动一个会话 print(sess.run(hello))点击绿色的三角形运行，我们就可以在右下角看到我们的输出结果，如图： 执行到这里我们就已经安装结束了。
参考文献： https://blog.csdn.net/zbr794866300/article/details/97770752 https://blog.csdn.net/davidhopper/article/details/81206673
