最近打算了解一下机器学习，所以决定先配置一下环境
Anaconda | The World's Most Popular Data Science Platform
https://www.anaconda.com/
这篇文章写的还是很详细，可以参考！！！
Anaconda详细安装及使用教程（带图文） - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/123188004
这么说吧，CPU和GPU是针对不同环境，就像老师和学生做算术题。老师会的多，学生人多！有点术业有专攻的味道！那么我们自己用电脑的话，我目前只用了CPU，没有安装GPU，因为我只是想了解一下这个！对于运算性能不做过多要求！。下文的博主写的还比较详细
tensorflow / tensorflow-gpu / tensorflow-cpu区别? - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/268081812
解决办法：下载下面文件，放到你的 C:\Windows\System32，然后重启一下
cudart64_110.dll 免费下载 | DLL‑files.com (dll-files.com)https://cn.dll-files.com/download/c25912d53d053412fd58bb7bf0a25c1e/cudart64_110.dll.html?c=WmdpYnI1ZDYvSGVrMUpZTW5mYkIvdz09
1.打开cmd，输入
nvidia2.查看信息
如果版本号是 10以下的，需要进行升级
1.进入下面网址
官方 GeForce 驱动程序 | NVIDIAhttps://www.nvidia.cn/geforce/drivers/2.选择立即下载，安装，然后更新就行了
这里补充一下，安装了gpu版本可以跑cpu，安了cpu只能跑gpu。并且，机器学习都是用gpu，不用cpu。这里介绍一下怎么安装gpu版本
1.打开安装好的 anaconda prompt
2.输入两条安装命令
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
3.检验安装是否成功
进入你的环境之后，输入python，然后输入下面代码
import tensorflow as tf
A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)
print(C)
换源有两种，零时换源和永久换源，这里我们进行永久换源
1.找到你的c盘用户名文件夹
创建以上文件
pip.ini你先创建一个txt文件，然后把txt后缀改为ini后缀就行，然后里面内容如下：
[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com1.打开 anaconda prompt
2.输入 指令，后面的名字你创建的环境叫什么就是什么
activate tensorflow23.输入 指令
python4.输入检测代码
import tensorflow as tf
version=tf.__version__ #输出tensorflow版本
gpu_ok=tf.test.is_gpu_available() #输出gpu可否使用（True/False）
print("tf version:",version,"\nuse GPU:",gpu_ok)
tf.test.is_built_with_cuda() # 判断CUDA是否可用（True/False）
5.结果展示，出现下面界面代表正确安装
1.新建一个文件夹，用来存放文件
2.打开pycharm
2，输入以下代码
import tensorflow as tf
version=tf.__version__ #输出tensorflow版本
gpu_ok=tf.test.is_gpu_available() #输出gpu可否使用（True/False）
print("tf version:",version,"\nuse GPU:",gpu_ok)
tf.test.is_built_with_cuda() # 判断CUDA是否可用（True/False）
