Anaconda是一款流行的Python数据科学套件，其包含有很多开发者需要的工具和库，但是大多数情况下，Anaconda默认的配置并不支持GPU运算，这意味着在Anaconda上跑程序时可能会遇到显著的性能瓶颈。

本文将介绍如何在Anaconda中开启GPU支持。我们将基于TensorFlow库为例，演示如何在Anaconda上使用GPU来跑程序。

Step 1：安装CUDA和cuDNN

安装CUDA和cuDNN是使用GPU跑程序的前提。如果您已经在本地安装了CUDA和cuDNN，可以跳过这一步。

以下是在Linux系统中安装CUDA和cuDNN的步骤（Windows和Mac系统的安装步骤略有不同，请参阅官方文档）：

• 从NVIDIA官网下载CUDA和cuDNN的安装包，并按照官方说明进行安装。
• 如果安装成功，您应该能够看到如下的CUDA版本信息：

$ nvcc --version

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Sun_Jul_28_19:07:16_PDT_2019
Cuda compilation tools, release 10.1, V10.1.243

Step 2：创建conda虚拟环境

为了确保程序可以在安装了GPU支持的conda环境中运行，我们需要创建一个新的虚拟环境。在终端中键入以下命令：

$ conda create -n gpu tensorflow-gpu

在这个命令中，-n参数指定环境名称（我们把环境名称命名为"gpu"），必须安装的依赖项（在这里是tensorflow-gpu）。

运行完这个命令后，您会被提示安装请求，输入“y”并回车确认。

完整的命令如下：

$ conda create -n gpu tensorflow-gpu
Collecting package metadata (current_repodata.json): done
Solving environment: done

## Package Plan ##

  environment location: /home/user/anaconda3/envs/gpu

  added / updated specs:
    - tensorflow-gpu

# 用特定版本安装所需要的依