最新版tensorflow1.12-gpu安装详细避坑（windows10 64位+anaconda+cuda+cudnn+pycharm环境配置）

放假回家，在笔记本（老爷显卡）上捣腾上了最新的1.12版TensorFlow-gpu。具体配置如下：
windows10 64位，nvidia GT 745M（注意cuda加速平台只支持英伟达显卡）；
anaconda3-5.2.0（内置python3.6）；
cuda9.0.176，cudnn v7.1；
pycharm社区版。
也参考了很多博文，具体安装套路都差不多，关键一点就是各版本对应兼容，就会很顺利，不会各种报错。其他的细节会在下面详细说明。

1.anaconda
anaconda是基于python的科学计算平台，内置python，最人性化的是集成了数百个科学包，包括最常用的pandas，matplotlib，keras，numpy等，已经能满足大部分需求，不需要自己再安装各种包。截止目前，python已经更新到3.7，最新的anaconda3-5.3.1即是默认内置python3.7，而最新版1.12的TensorFlow只能支持python3.6（已经有大神解决了python3.7适配TensorFlow1.12的问题，可去站内搜索他们的博文参考），不想折腾，所以直接装上一个版本的anaconda，即anaconda3-5.2.0，内置python3.6（其实anaconda 的cmd可以直接把python3.7退回3.6或者之前更老的版本，见https://blog.csdn.net/jcdiv_/article/details/79095353，考虑到python环境可能会冲突，其实还是因为懒，所以直接装上一个版本的anadonda5.2）。
下载地址：https://www.anaconda.com/download/，
注意下64位的，TensorFlow只支持64位。


安装过程注意，第二个√肯定要打上，如果是初次安装，添加环境变量也可以选上，省的自己手动添加。可是如果你是之前卸载了，又重装，最好不要选将anaconda添加进环境变量，安装完成之后自己手动去添加吧，因为受之前安装的影响，自动添加环境变量可能会失败，导致安装失败（我就遇到过，第二次重复安装后，开始菜单里没有相关的快捷方式，安装的组件不完整）。
手动添加环境变量：有三个：
C:\Users\Jay\Anaconda3
C:\Users\Jay\Anaconda3\Scripts
C:\Users\Jay\Anaconda3\Library\bin
我的电脑-属性-高级系统设置-环境变量-系统变量-Path-新建

环境安装完之后，在win10开始界面就会出现anaconda的cmd（anaconda prompt），图形化界面端vavigator，还有默认携带的jupyter notebook，和跟anaconda孪生的spyder IDE。

我们可以使用Windows的cmd（anaconda的cmd也可以）查看安装信息。
conda --version
python

使用conda info --envs查看目前安装的环境。目前只有一个基本环境（下图是安装好之后才截的图，请自动忽略马赛克）。后面cuda和cudnn安装完成之后，我们会创建tensorflow-gpu的专用环境。

2.cuda和cudnn

CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台，使用通用并行计算架构使GPU能够解决复杂的计算问题。
计算行业正在从只使用CPU的“中央处理”向CPU与GPU并用的“协同处理”发展。现在，该架构已应用于GeForce™（精视™）、ION™（翼扬™）、Quadro以及Tesla GPU（图形处理器）上。
如果你的显卡不是英伟达的，那就只能去安装CPU的TensorFlow了。
查看自己的NVIDIA显卡是否支持cuda（一般的NVIDIA显卡都会支持cuda，只是新老显卡的计算力差距……）：
https://developer.nvidia.com/cuda-gpus，
查看自己的显卡支持的cuda版本：桌面鼠标右键-NVIDIA控制面板（或者直接去计算机控制面板-硬件和声音-NVIDIA控制面板）-系统信息-组件。

此时，第一个实坑，cuda目前已经更新10.0，我的电脑显卡显示是支持9.1，于是第一次我装了cuda9.1和对应的cudnn，结果后面安装好tensorflow-gpu后，死活找不到tensorflow-gpu的模块。后来卸载了9.1，安装9.0才顺利完成tensorflow-gpu的调试。如果你的显卡确实很高级，你可以按照NVIDIA控制面板里的cuda版本来装，不行了再卸载，装旧的，还是要注意环境变量的问题。
下载cuda：https://developer.nvidia.com/cuda-toolkit-archive

一个是在线安装，文件下载比较小，但安装过程需要联网，另一个local是本地安装，直接下完稍大的文件，安装可以离线。

除了基础包安装，建议把剩下的patch补丁都下载了，安装完基础包，再把补丁解压安装了，确保cuda版本完整。
安装开始会进行系统兼容的检查。

自定义就可以，否则安装程序会把里面所有软件包都装上。

cuda肯定要选，NVIDIA experience可以不用装，剩下的如果不是最新的也可以装上。

cudnn与cuda的版本是对应的。根据提示，选择与cuda匹配的cudnn就可以，下载地址：https://developer.nvidia.com/rdp/cudnn-download
需要注册一个账号就可以免费下载，使用微信，qq等第三方登录也可以。
下载后解压。
把三个文件夹拷到cuda9.0的安装目录下，就完成了。

检查是否安装好，Windows cmd输入nvcc -V，可以看到cuda版本信息。

3. tensorflow-gpu
tensorflow的版本已经更新到1.12，https://tensorflow.google.cn/versions/
安装的时候也是默认最新版。

（本部分安装参考https://blog.csdn.net/weixin_39290638/article/details/80045236）

验证：
验证的时候一定要注意你是在哪个运行环境（tensorflow-gpu），没有激活正确的环境，验证肯定会报错（no module found）。

输入activate tensorflow-gpu，激活tensorflow-gpu环境。
再输入python，引入python。

然后就可以输入这一段python代码。
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello))
输出：
b’ Hello, TensorFlow!

好了，导入tensorflow的时候没有报错，基本就可以确定安装成功了。执行完代码，不仅可以看到输出正确，还能看到执行时调用的gpu的情况，包括显卡，时钟频率，PCI总线，内存等硬件信息。安装告一段落。

4. pycharm配制