现在网上的很多Tensorflow-GPU环境安装教程都是这样的：
- 安装cuda
- 安装cudnn
- 安装tensorflow-gpu
本篇文章将教大家直接使用Anaconda来快速搭建自己的tensorlow-gpu版环境。
为什么要用Anaconda？
- 预先集成了很多数据科学相关的工具包，并且可以使用 conda 来安装、更新 、卸载工具包 。
- 在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。比如python2.7环境和python3.6环境。
安装anaconda
- 去官网下载anaconda，
https://www.anaconda.com/download/ - cd到安装包所在目录，安装：
bash Anaconda2-5.1.0-Linux-x86_64.sh - 输入conda list，若出现未找到命令，则需要修改环境变量（二选其一）：
永久添加环境变量(影响当前用户)
vim ~/.bashrc
永久添加环境变量(影响所有用户)
vim /etc/profile
最后一行添加export PATH="/home/ilab-gcf/anaconda2/bin:$PATH"
记得激活环境变量：
source ~/.bashrc
source /etc/profile - 创建虚拟环境：
conda create -n your_env_name python=2.7
虚拟环境相关命令：
激活source activate your_env_name
取消source deactivate your_env_name
删除conda remove -n your_env_name --all - 由于资源访问速度问题，需要添加国内镜像：
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
在已激活的虚拟环境下安装GPU版本的tensorflow
- conda上查找tensorflow资源，
conda search tensorflow-gpu - 找到对应版本的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 来源 名字=版本安装它，其中来源和版本都是可选项：
conda install --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main tensorflow-gpu=1.9.0，会默认安装好numpy cuda cudnn tensorflow等依赖库 - 测式，输入python命令，再依次输入如下代码：
import tensorflow as tf
hello = tf.constant('Hello, Word!')
sess = tf.Session()
print(sess.run(hello))
附加->删除安装包命令：
conda remove xxx
假若没有报错那么代表环境已经搭建成功！
