关于在pycharm中搭建tensorflow-gpu环境的详细安装过程记录

关于在pycharm中搭建tensorflow-gpu环境的详细安装过程记录

简单介绍一下搭建环境需要的辅助软件anconda、CUDA、cudnn
anconda:就是一个开源库，里面有很多包，包含tensorflow-gpu(这就是为啥搭建tensorflow-gpu要安装它)

CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。

cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。
搭建tensorflow-gpu需要知道的是 ,由于要用到GPU，所以下载CUDA,由于要进行GPU运算加速所以要下载cudnn,搞清楚这一关联后才会明白为啥要下载这么一连串东西。
由于要运用到自己电脑配置中的GPU，一定要对应自己电脑的显卡支持最高的cuda版本是多少，不要安装了之后发现自己电脑用不了，当然我在安装cuda的时候虽然是查看了控制面板--NVIDA控制面板--系统信息--组件，看到的是支持CUDA9.2版本，但实际上我安装过程中发现安装了9.2  9.0版本都是安装失败，安装失败时提示我，我的电脑不支持这个版本，然后最终安装的是8.0版本，所以这个坑就告诉大家在安装过程中，可以参考自己电脑支持的版本，但是实际电脑显卡支持的版本也许有差异，以实际可以安装上去的为准，但一定是比查看到的电脑显卡支持的版本低，否则一定不行。
最重要的呢，cudnn和cuda安装的版本和anconda版本以及tensorflow-gpu版本，这四者都要和电脑显卡支持的版本一致，比如我实际安装上的cuda 8.0那对应的就是安装上cudnn 6.0 和anconda3（版本尽可能不高）tensorflow-gpu1.3.0和python 3.6
只有此处版本对应上了，后序安装才不会出问题，否则会有一系列问题。（相关对应版本可以进行百度 ，总之就是anconda、cndnn、CUDA、tensorflow-gpu、还有tensorflow-gpu环境下的python编译版本这5个版本一定一定要百度清楚，一定安装对应上！！）
详细步骤如下：安装好anconda软件以后，进入anconda命令输入框

1.创建文件名为tensorflow-gpu，conda create --name tensorflow-gpu python=3.6  

中途可能会遇到“CondaHTTPError: HTTP 000 CONNECTION FAILED for url 
将里面的内容修改为
channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
show_channel_urls: true
ssl_verify: false
即可实现建议虚拟环境，因为这里面的是一个清华镜像，不会受到网速或者下载过久的影响导致失败
可以用指令：conda info --envs，查看已存在的环境，看是否刚刚那个创建好了，也可以看到tensorflow-gpu这个文件夹所在的位置，方便之后配置在pycharm中
2.激活环境，进入tensorflow-gpu环境之下，指令：activate tensorflow-gpu

3. 在tensorflow-gpu文件之下安装tensorflow-gpu==1.3.0，指令为：python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.3.0

4.pip list 查看是否安装好

5.测试

代码：

import tensorflow as tf
#查看tensorflow版本
print(tf.__version__)
print('GPU', tf.test.is_gpu_available())
a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)
以下为运行成功的界面
idel中：

pycharm中：

6.关于如何在pycharm中搭建已经安装好的tensorflow-gpu

在pycharm中新建一个工程，重新选择解释器，选择之前装好的anaconda3路径下的tensorflow-gpu中的python.exe这个才是有用库，