1 创建一个新的python环境

conda create -n my-py-env python=3.6.3

2 查找可用的tensorflow

anaconda search -t conda tensorflow

图1 anaconda search部分输出结果

图1中是上述命令的部分输出结果。这里我们选择anaconda/tensorflow-gpu版本。

3 查找安装命令

anaconda show anaconda/tensorflow-gpu

图2 anaconda show输出结果

图2是输出结果，可以看到最后一行给出了安装命令。但要注意，这里给出的安装源是ananconda.org源，是一个国外的源，下载下来会非常的慢。这里我们换成国内中国科技大学的镜像源，加速下载。

3.1 添加国内镜像

本部分参考https://blog.csdn.net/observador/article/details/83618540

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
 
conda config --set show_channel_urls yes

3.2 用国内源安装

conda install -n my-py-env --channel https://mirrors.ustc.edu.cn/anaconda/pkgs/main/   tensorflow-gpu

两点注意：

• -n my-py-env：指定安装在my-py-env环境下
• --channel https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ 指定使用中国科技大学的镜像源。
  另外需要说明的是这里没有使用清华镜像，是因为在使用的过程中发现清华的镜像版本更新比较慢，跟不上要求（2019-01-02日是这样）。比如，其中有一个cudatoolkit包，要求是9.0.1版本，但清华镜像最新的仍然是8.0.1。

3.3 一个问题

上述命令的安装过程中发现，icc_rt-2019.0.0下载失败，如图3.

图3 icc_rt包版本不匹配

我们发现需要下载的是icc_rt-2019.0.0-h0cc432a_1.tar.bz2，而中科大镜像源中只有icc_rt-2019.0.0-h3e97881_0.tar.bz2这个版本的包，因此导致下载失败（因为没有请求的文件）。（2019-01-02日是这样）
这样的话，我们使用anaconda的源来单独安装icc_rt包。
命令如下：

conda install -n python-learn --channel https://repo.anaconda.com/pkgs/main/  icc_rt

输出的反馈结果如图4.

图4 单独安装icc_rt

可以看出，安装的正是我们前面需要的icc_rt-2019.0.0-h0cc432a_1.tar.bz2版本。
然后我们再次执行以下命令安装tensorflow：

conda install -n my-py-env --channel https://mirrors.ustc.edu.cn/anaconda/pkgs/main/   tensorflow-gpu

可以看到如下图5的反馈结果，由于上次安装已经下载过图5中列出的这些包，所以在再次安装中并不会重复下载，而是直接使用之前的下载缓存。所以，上一次安装虽然没有成功但并非没有用哦。

图5 再次安装tensorflow反馈结果

4 验证是否安装成功

然后我们进入my-python-env环境下的python命令行，执行import tensorflow。

activate my-python-env
python
import tensorflow

下图6中可以看出，没有报错，成功引入tensorflow包，说明安装成功。

图6 import tensorflow反馈

5 如果报错：Failed to load the native TensorFlow runtime.

图7 可能出现的错误

pip install --upgrade --ignore-installed tensorflow