下载安装Anaconda

下载地址如下，根据所需版本下载

安装过程暂略（下次在安装时添加）

下载安装Pycharm

下载安装Pycharm，下载对应使用版本即可

如果你是在校学生，有学校的edu邮箱，可以免费注册Pycharm专业版，注册地址如下，本文不详细说明

下载CUDA10.0

下载地址如下CUDA Toolkit 10.0 Archive

下载之后默认安装即可

下载CUDNN

通过此处选择版本对应的CUDNN，对于本次配置就选择Windows 10对应的版本

下载CUDNN需要注册一个NVIDIA的账号，点击注册，登录即可

下载好CUDNN之后将其解压在CUDA的安装目录下，Win10默认的安装目录如下：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

之后，通过右键点击此电脑——>属性——>高级系统设置——>环境变量

然后配置环境变量，添加如下环境变量

重新安装NVIDIA最新驱动

因为安装CUDA时，因为版本原因，会安装版本较低的NVIDIA驱动，所以我们从官网下载最新的驱动重新覆盖安装一遍即可

创建Conda环境，并安装tensorflow2.0

通过Anaconda的conda create创建新的环境，便于我们程序及其环境的配置及其管理

首先按Win+R键，输入cmd，回车

然后在cmd界面输入，conda create --name tensorflow2.0 python=3.7,其中tensorflow2.0可以换成你想要的名字

回车后输入y

之后稍作等待可以看到安装成功

使用conda info --env看看环境

之后使用conda activate tensorflow2.0来激活刚才创建的环境

依据需求pip安装tensorflow，sklearn，matplotlib等软件。此处以tensorflow2.0为例，激活环境后输入pip install tensorflow-gpu，之后进行下载安装。

经过一系列安装之后提示安装成功

配置Pycharm，将刚建立的环境应用在Pycharm中

打开pycharm建立一个新的project

选择Pure Python，在选择Existing interpreter

之后选择你anaconda中新建的环境变量位置中的python.exe文件，使pycharm使用你创建的环境来编译文件。

最后选择Make available to all projects并创建Project

之后创建一个.py文件，进行测试，可以发现我们已经可以通过Pycharm使用我们之前创建的环境了。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。