折腾了一周多，终于发现了一个炒鸡简单的方法＝-＝，最后一行命令装好全部环境。

，

环境的Ubuntu16.04，Windows的话差不多，总的来说就是用cuda装超级容易。

​先说重点，需要以下几步：

1. 安装Nvidia显卡驱动 ，.run那种
2. 安装Anaconda
3. Conda一次性安装完

注意，如果以前装过cuda或者Nvidia，请先卸载干净。

sudo apt-get remove cuda nvidia对应版

sudo apt-get autoremove

可能卸载后有不确定因素，所以最好先把下面提到的.run文件下载到本地再说。

一、安装显卡驱动（自动更新的驱动我装的时候出问题，所以推荐.run装）

1.  显卡驱动不要让系统自动更新，直接去官网下NvidiaXXXXX.run的文件。
官网地址：[https://www.nvidia.cn/Download/index.aspx?lang=cn](https://www.nvidia.cn/Download/index.aspx?lang=cn)
2.  切换到控制台（不是Terminal，ctrl+alt+F2），登录你的用户和密码，进入到你下载驱动的文件夹下。
3.  sudo service lightdm stop （关闭图形桌面）
4.  sudo init 3 （启动纯文本模式）
5.  sudo sh NvidiaXXXXX.run
6.  之后一路Yes, Agree等

二、安装Anaconda

官网地址：https://www.anaconda.com/distribution/

这一步很简单，下载对应的包，比如deb包，之后

sh Anaconda3XXXXX.s

注意：

最好别用sudo安装，因为普通用户也要用anaconda的包

安装过程有一步需要加path，默认是N，请选择Y

三、conda一步安装好

清华大学最近恢复了conda源的支持，所以国内用户可以先改清华的源

conda config --add channels [https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/](https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/)

conda config --add channels [https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/](https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/)

conda config --set show_channel_urls yes

重点来了!!

conda create -n tf_latest python=3.6  （创建tf环境，似乎3.7也行)

activate tf_latest (启动虚拟环境)

conda install tensorflow-gpu （安装GPU，这一步会安装一大堆软件包，包括cuda和cuDNN）

之后就好啊~

测试：

image.png

附测试程序：

import tensorflow as tf

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

​成功=-=

下面是折腾大概日志：

1. 安装了430的N卡驱动
2. 安装了Cuda 10.1，pip安装了tensorflow 1.4 和tensorflow-gpu
3. 测试失败，我在想是不是应该用tf 1.3，于是退回1.3
4. 测试失败，发现应该用cuda10.0，退回cuda10.0
5.测试失败，发现cuda10.0对应410的驱动，安装410的驱动后电脑黑屏
6. 一气之下准备用Docker，Docker安装的时候需要建网桥，然鹅在学校环境不允许虚拟网卡，锐捷会检测多网卡之后自动掉线，Docker失败。
7. 重新装430的驱动，发现和cuda10.0装不上去了

希望我这个日志对其他人有用=-=