【搭建神经网络开发环境--TensorFlow2框架】Windows系统+ Anaconda+ PyCharm+ Python
前言
在Windows系统中，搭建基于Python语言的神经网络开发环境，通常使用Anaconda 来安装好TensorFlow2、sklearn、和科学计算包（安装好深度学习等要用到的库、或依赖包）；使用PyCharm IDE来编写代码，编译调试，执行代码。
本博客参考：北京大学 课程“人工智能实践：Tensorflow笔记”；
搭建环境参数
系统：Windows 编程语言：Python 3
深度学习框架：TensorFlow 2 整合开发环境：Anaconda 开发代码IDE：PyCharm
下面开始搭建开发环境：
一、安装Anaconda
大家到官网下载Anaconda 的Python3.7版本，选择电脑的位数（32位 / 64位）：
https://www.anaconda.com/products/individual
在网页中拉到底下，即可看到上图页面；比如，电脑系统是Windows的64位，选择红色框框的；如果是32位的，选择红框下一个。下载好后，其是一个可执行文件，例如：Anaconda3-2020.02-Windows-x86_64.exe。
双击可执行文件，进行安装，过程安装引导安装即可；（同意，下一步）
需要注意：添加环境变量的需要勾上√，如果默认使用PYthon3.7的第二个勾上，
后面默认直至安装完成。
二、安装TensorFlow 2
这里是在Anaconda中安装TensorFlow 2的，大家可以想象Anaconda为一个资源管理器，在支持PYthon3.7的基础上，安装许多深度学习用到的包或依赖库，然后封装成一个独立的开发环境；最好后在PyCharm直接使用封装好的开发环境。
首先在应用程序中打开“Anaconda Prompt（naconda3）”：
1）新建一个名为TF2.1的环境，使用PYthon3.7
conda create -n Tensorflow_surrounding2.1 python=3.7
安装过程询问y / n； 输入y 同意安装
等待安装完成即可。
2）进入刚才创建的环境
conda activate Tensorflow_surrounding2.1
3）布置GPU加速环境（可选）
前提条件：电脑中有显卡，NVIDIA品牌；而且在windows中的显卡驱动的版本 >=418.96
1）如果满足这个条件的朋友，恭喜你可以布置GPU加速环境，训练神经网络时可以用到GPU进行加速。
2）如果不满足这个条件的朋友，先去看看我这边博客：一篇文章清晰了解NVIDAI显卡驱动（包括：CUDA、CUDA Driver、CUDA Toolkit、CUDNN、NCVV） 这里面有介绍较旧的显卡（例如我的是GTX950M），安装较新版本的显卡驱动（445.87版本）；从而实现使用GTX950M显卡进行加速神经网络训练等。
3）如果电脑没显卡，或不想使用GPU加速的朋友，可以跳过布置GPU加速环境
下面进行布置GPU加速环境：
a）安装英伟达的cudatoolkit 10.1版本
conda install cudatoolkit=10.1
安装过程选择有，等待安装完成。
b）安装英伟达深度学习软件包7.6版本
conda install cudnn=7.6
安装过程选择有，等待安装完成。
如果上面两条语句顺利安装没报错，恭喜你啊，布置GPU加速环境成功啦。
4）安装TensorFlow2.1
pip install tensorflow==2.1
这里等待安装完成即可：
5）验证是否环境安装成功
进入Python环境：
python
输入命令导入TensorFlow库：import tensorflow as tf
查看其版本：tf.__version__
检验安装成功后，关闭窗口。
三、安装PyCharm
我们到官方下载社区版的PyCharm，无需在网上找破解版的；
https://www.jetbrains.com/pycharm/download/#section=windows
然后来到下图页面：
下载好后是一个可执行文件，例如：pycharm-community-2020.1.exe
双击可执行文件进行安装，默认安装即可，需要注意的下图：
然后等待安装完成后，需要重启电脑哦。
四、配置PyCharm开发环境
1）打开PyCharm，新建工程；
2）然后选择工程所放目录路径。
3）设置环境变量，使用之前在Anaconda创建好的环境：Tensorflow_surrounding2.1
点击OK，然后点击create。
4)新建一个python文件，编写测试程序：
测试代码：
import tensorflow as tf
tensorflow_version = tf.__version__
#以下两行代码适合有“布置GPU环境的”
gpu_available = tf.test.is_gpu_available()
print("tensorflow version:", tensorflow_version, "\tGPU available:", gpu_available)
#以下一行代码适合没有“布置GPU环境的”，纯CPU版本的
#print("tensorflow version:", tensorflow_version)
a = tf.constant([1.0, 2.0], name="a")
b = tf.constant([1.0, 2.0], name="b")
result = tf.add(a, b, name="add")
print(result)右击运行：
显示TensorFlow版本为2.1，有使用GPU。
恭喜成功搭建神经网络开发环境--TensorFlow2框架。
再次感谢：北京大学 课程“人工智能实践：Tensorflow笔记”。
希望有帮助。