anaconda是一个常用的Python环境管理工具，有时需要安装CUDA来使Python代码能够利用GPU加速计算。然而，有些用户安装完CUDA后却发现无法使用nvcc命令。

这个问题通常是由于安装CUDA时没有正确添加环境变量导致的。在安装CUDA时，需要将CUDA的bin目录和lib64目录添加到系统的PATH环境变量中。

如果是使用anaconda环境，则需要将这些路径添加到anaconda的环境变量中。具体操作如下：

1. 首先进入anaconda的base环境，输入以下命令：

conda activate base

2. 执行以下命令，将CUDA的环境变量添加到anaconda的环境变量中：

export PATH=/usr/local/cuda-10.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH

其中，/usr/local/cuda-10.0是CUDA安装的路径，需要根据实际情况进行修改。

3. 确认环境变量已经正确添加，可以使用以下命令进行测试：

which nvcc

如果nvcc命令可以正常输出，则说明环境变量已经正确配置。

示例代码如下：

import tensorflow as tf

# 使用GPU进行计算
with tf.device('/gpu:0'):
  a = tf.constant([1.0, 2.0, 3.0, 4.0], shape=[2, 2], name='a')
  b = tf.constant([4.0, 3.0, 2.0, 1.0], shape=[2, 2], name='b')
  c = tf.matmul(a, b)

# 打印计算结果
with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
  print(sess.run(c))

在配置好环境变量后，可以运行上述代码进行测试。如果可以看到输出中显示使用了GPU进行加速计算，则说明配置成功。

总结：

通过上述步骤，可以解决anaconda装CUDA后nvcc命令无法使用的问题。这个问题通常是由于环境变量配置不正确导致的，正确配置环境变量可以让Python代码成功利用GPU加速计算。