1.2 TensorFlow 2.0 GPU版本的安装
Python运行环境调试完毕后，下面的重点就是安装本书的主角TensorFlow 2.0。
1.2.1 检测Anaconda中的TensorFlow版本
首先是对于版本的选择，读者可以直接在Anaconda命令端输入一个错误的命令：
这个命令是错误的，目的是为了查询当前的TensorFlow版本，作者在写作这本书所能获取的TensorFlow版本如图1.16所示。
图1.16 TensorFlow版本汇总
可以看到，目前最新的版本是2.0.0b1。此时，如果读者想安装CPU版本的TensorFlow，直接在当前的Anaconda输入命令如下：
即可安装最新CPU版本的TensorFlow。
1.2.2 TensorFlow 2.0 GPU版本基础显卡推荐和前置软件安装
如果从CPU版本的TensorFlow 2.0开始你的深度学习之旅，这是完全可以的。但是却不是作者推荐的一种方式。相对于GPU版本的TensorFlow来说，其运行速度CPU版本存在着极大的劣势，很有可能会让你的深度学习止步于前。
实际上，配置一块TensorFlow 2.0 GPU版本的显卡（见图1.17）并不需要花费很多，从网上购买一块标准的NVIDA 750ti显卡就能够基本满足读者起步阶段的基本需求，作者在这里强调的是，最好购置显存为4G的版本，目前价格稳定在400元左右。如果有更好的条件的话，NVIDA 1050ti 4G版本也是一个不错的选择，价格在700元左右。
图1.17 深度学习显卡
注意
推荐购买NVIDA系列的显卡，并且优先考虑大显存的。
下面就介绍TensorFlow 2.0 GPU版本的前置软件的安装。对于GPU版本的TensorFlow 2.0来说，由于调用了NVIDA显卡作为其代码运行的主要工具，因此额外需要NVIDA提供的运行库作为运行基础。
（1）首先介绍版本的问题，作者目前使用的TensorFlow 2.0运行的NVIDA运行库版本如下：
●CUDA版本：10.0。
●CuDNN版本：7.5.0。
这个对应的版本一定要配合使用，建议读者不要改动，直接下载对应版本就可以。
CUDA的下载地址为：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal。界面如图1.18所示。
直接下载local版本安装即可。
图1.18 下载CUDA文件
（2）下载后是一个exe文件，读者自行安装即可，不要修改其中的路径信息，完全使用默认路径安装即可。
（3）接着是下载和安装对应的cuDNN文件。下载地址为：https://developer.nvidia.com/rdp/cudnn-archive。
cuDNN的下载需要先注册一个用户名，相信读者可以很快完成，之后直接进入下载页面，如图1.19所示。
图1.19 下载cuDNN文件
注意
不要选择错误的版本，一定需要找到对应的版本号。
（4）下面就是cuDNN的安装问题，下载的cuDNN是一个压缩文件，直接将其解压到CUDA安装目录即可，如图1.20所示。
图1.20 CUDA安装目录
（5）接下来就是对环境变量的设置，这里需要将CUDA的运行路径加载到环境变量的path路径中，如图1.21所示。
图1.21 将CUDA路径加载到环境变量的path中
（6）最后完成TensorFlow 2.0 GPU版本的安装了，只需一行简单的代码：
