本篇内容介绍了“TensorFlow2.1.0新版本安装方法教程”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
TensorFlow是一款优秀的深度学习框架，支持多种常见的操作系统，例如Windows10，Mac Os等等，同时也支持运行在NVIDIA显卡上的GPU版本以及仅使用CPU进行运算的CPU版本。此篇教程将介绍如何安装最新版TensorFlow框架（2.1.0版本）
安装步骤
1.常用IDE安装
2.CUDA安装
3.cuDNN神经网络加速库安装
4.TensorFlow框架安装
常用IDE安装
用户在Python官网上可以下载到最新版本（Python3.7）的解释器。（Python官网）Python解释器可以让用户利用Python语言编写的代码可以被执行。目前有许多优秀的集成开发环境（IDE）可供用户选择，例如PyCharm，Anaconda等。其集成了Python解释器以及开发环境、交互式命令终端等，还集成了许多常用的Python库。我们将使用Anaconda作为IDE，搭建我们的TensorFlow框架。
我们打开Anaconda的下载页，（Anaconda下载页）选择正确的系统，选择Python最新版本的下载链接即可开始下载。
下载完成后，我们打开Anaconda的安装包，一直点击next/I agree。在出现下图所示页面时（现在是Python3.7，用的是之前的图片），勾选“Add Anaconda to my PATH environment variable”。有些安装教程上不推荐勾选这一项。勾选此项的目的是给Anaconda添加环境变量，让我们的计算机能够感知到它的存在，以便我们通过命令行调用Anaconda的程序。
Anaconda的安装过程总共为5-10分钟，占用空间大小约为2-3GB，请先预留好磁盘空间。
安装完成后，我们来检测一下Anaconda是否安装成功。按下Win+R组合键，输出cmd打开命令提示符，键入conda list查看当前Python环境安装的库。若为新安装的Python环境，那么显示的库均为Anaconda自带的软件库。如果键入conda list命令能够返回一系列Python库列表信息，即说明Anaconda安装成功。若命令提示符无法识别conda命令，即说明安装失败。若之前未将Anaconda添入环境变量，我们打开Anaconda Prompt交互式命令终端，键入conda list，观察是否能够返回一系列Python库列表信息。
CUDA安装
CUDA是基于NVIDIA显卡的加速库，我们安装它以利于深度学习框架在NVIDIA的GPU显卡的加速运算。但在我们开始安装CUDA之前，请先确认计算机上是否有支持CUDA程序的NVIDIA显卡设备。如果计算机上没有NVIDIA显卡，则无法安装CUDA程序，应直接进入TensorFlow框架的安装。
CUDA的安装主要分成三个步骤。
第一步：下载CUDA安装包，完成CUDA软件的安装；
第二步：下载并配置cuDNN深度神经网络加速库；
第三步：配置环境变量。
CUDA软件安装
我们进入CUDA软件下载页 ，（CUDA下载页）选择 CUDA Toolkit 10.1 (Feb 2019), alt="TensorFlow2.1.0新版本安装方法教程">
安装包下载完毕后，打开安装软件，在选项中选择自定义安装方式，点击NEXT按钮进入安装程序选择列表。 在CUDA选项卡下，取消勾选“Visual Studio Intergration”一项。（这是因为我们并没有使用Visual Studio开发环境）在“Driver Components”选项卡下，比较当前版本信息和安装版本信息。若当前版本高于安装版本，则取消勾选“Display Driver”；若当前版本低于或等于安装版本，保留默认信息安装即可。
安装完毕后，我们来测试一下CUDA是否安装成功。键入Win+R打开Windows命令提示符，键入nvcc -V，即可返回当前CUDA的版本信息。如果Windows命令提示符无法识别
