Ubuntu16.04下使用anaconda简便安装TensorFlow-gpu，并在Pycharm中使用

使用anaconda进行安装，不需要单独安装cuda和cudnn，conda会下载并安装好，不需要考虑版本依赖的问题，简便的地方就是这里了。
步骤：
一、安装NVIDIA驱动
依次打开：System Settings → Software & Updates → Additional Drivers，稍等一会儿就会出现类似下图的界面：

选择带有NVIDIA binary driver字样的，点击Apply Changes，输入密码安装即可。
安装完成后重启，然后在终端输入nvidia-smi查看是否安装成功。

二、安装Anaconda

首先在Ubuntu16.4中下载anaconda Linux版本，进入文件下载以后的目录，运行命令

sudo bash Anaconda*.sh

接下来按住Enter键阅读licence协议，阅读完以后，输入yes接受协议，之后看自己的需求可以输入相应配置信息，也可以直接按enter键保持默认配置，最后需要确认是否将anaconda加入到环境变量中，这里需要输入yes。即一直按yes和enter键即可。
输入conda list出现一个列表时就配置好了：

三、安转Tensorflow-gpu

终端下输入命令来查看所有可用版本的tensorflow-gpu：

conda search tensorflow-gpu

选择一个合适的版本，这里选择的是1.1.0版本，输入命令安装tensorflow-gpu，可以看到需要下载cudatoolkit、cudnn、tensorflow-gpu等这些依赖包，不需要我们自己去配环境了，其中的cudatoolkit就是常说的cuda了，输入y就可以安装的。

conda install tensorflow-gpu==1.1.0

测试tensorflow-gpu是否已经安转成功：

python
import tensorflow as tf
print(tf.__version__)

如果输出的是对应安装的tensorflow-gpu的版本号，则tensorflow-gpu安装成功了。

四、PyCharm的安转及配置

1、首先去官网下载PyCharm的community版本。下载完成后，解压到想要安装的目录，进入目录然后执行以下命令进行运行：

cd bin
bash pycharm.sh

然后就是一些基础设置了，完成之后可以看到以下界面：

2、打开PyCharm新建一个项目之后，点击左上角的file，选择Settings，在左侧选择Project Interpreter，然后点击右侧面板的小齿轮，选择Add…，在弹出的窗口左侧选择Conda Environment，接着选择Existing environment，这时候它会自动识别出刚刚创建好的conda环境，然后勾选Make available to all projects，点击OK即可。
创建新项目的时候注意选择好Project Interpreter，因为刚刚的设置可能会不能应用到新项目，需要手动选择一下。
注意：如果在pycharm下更改了tensorflow-gpu的版本，则对应的在aconda的python环境下的tensorflow-gpu的版本与会随之改变。
如果tensorflow-gpu的版本太低，则会出现某些功能不支持的问题：如　AttributeError: module ‘tensorflow’ has no attribute 'keras’等问题。如果tensorflow-gpu的版本太高，则可能与NVIDIA的显卡驱动不匹配。需要酌情考虑版本。

接下来就可以开始学习Tensorflow了！