1.创建虚拟环境：tmp_python

conda create -n tf python=3.6

温馨提醒：python3.8暂不支持tensorflow-gpu 1.15版本，请使用python3.6版本

2.显示自己创建的虚拟环境

conda env list

3.进入创建虚拟环境

source activate tf

4.安装指定 版本的TensorFlow

ps:若为tensorflow1.x版本则执行：

pip3 install tensorflow-gpu==1.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

ps:若为tensorflow2.x版本则执行：

pip3 install tensorflow-gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

5.安装的包(务必执行)

ps:若为tensorflow1.x版本则执行：

conda install cudatoolkit=10.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
conda install cudnn=7.6.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

ps:若为tensorflow2.x版本则执行：

conda install cudatoolkit=10.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
conda install cudnn=7.6.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

小技巧：若安装其他版本，先查看Tensorflow-gpu对应支持的cuda版本（官网），然后进入清华镜像网站，搜索cudnn，然后找到对应的cuda版本

6.验证是否安装成功

先输入python进入交互式界面，然后用如下命令验证是否gpu版本启用

import tensorflow as tf
tf.test.is_gpu_available()

若最后显示True，则恭喜你，安装成功！

7.安装Keras（可选）

Keras需要在TensorFlow之上才能运行，所以要先安装Tensorflow；安装完Tensorflow后，输入以下命令安装Keras：

pip install keras==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

ps:附上keras与tensorflow对应版本的链接：https://master–floydhub-docs.netlify.app/guides/environments/

选看部分（踩过的坑）

针对RTX30系的显卡（如RTX3080），要注意cudatoolkit为10.x时并不能兼容，RTX30系的显卡需要安装cudatoolkit为11.x的版本，注意：可以去https://tensorflow.google.cn/install/source?hl=zh-cn#linux查看当前cuda版本所能支持的tensorflow的对应版本，至少为tensorflow-gpu-2.4.0版本以上。然后去https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/中找到对应的cuda和cudnn版本。这里博主踩了一个坑，按照官网查到的11.0版本安装cuda，结果清华镜像源的cudnn版本没有11.0版本的cuda，因此安装的时候发生了找不到包的情况。
解决方案如下：
安装11.3版本的cuda以及cudnn8.2.1版本！

具体命令：

conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
conda install cudnn=8.2.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/