tensorflow-GPU环境配置

0. 前言

本文主要介绍tensorflow-GPU环境配置，预计一小时完成。
前些日子开始入手学BERT来解决一些实际的问题，无奈环境的安装耗费了许多时间，消磨了一个初学者太多的耐心。
好在，终于走通了一条比较简单的路。现在特意记下来给以后的自己看，也帮助更多迷茫的人，节省一些前期的成本，拒绝‘从入门到放弃’，BERT，跑起来！！！
（关于具体怎么使用谷歌预训练好的bert，在下篇博文续写。）

1. 环境简介

1.1. 环境配置

1. anaconda + pycharm
2. tensorflow 1.13.1-gpu
3. 谷歌发布的bert 中文分类预训练模型

后边会提供官网的下载链接，和百度网盘的获取方式。具体自选哦。

1.2. 预估耗时

我前面探索的时候走了很多弯路，这些对于一个初学的人大可不必了解和经历。所以，本文介绍的是一种最快最简单的幼儿园式环境配置。除去安装pycharm 和anaconda，配置合适的tensorflow-gpu环境，只用一条命令，剩下的等十几分钟就OK了。（感谢anaconda开发人员设置的命令）

1.3. 版本的选择原因

1. 选择anaconda，是觉得它环境配置很方便，可以同时创建安装了不同需求库的python环境。
2. 选pycharm，emem,本人用起来顺手而已。
3. 选tensorflow1.13.1-gpu,谷歌发布的模型用的tensorflow，并且里面的一些函数只支持tensorflow1.10版本以上2.0以下，具体其他版本可以自己选；而且实际跑起来，只用cpu会很慢，需要用到gpu提速（如果你gpu还可以，或者用服务器跑）。

2.安装过程

anaconda和pycharm如果已经安装了，或安装了其中一个，可以直接跳到第三步，这两个软件不分安装的先后顺序。

2.1.安装anaconda

官网就可以，选择个人版本安装，不要钱，免费。

2.2. 安装pycharm

这个可以在我提供的文件夹里去找。网上也有很多其他的教程，跟着一步一步走就行了。

2.3. 配置tensorflow-gpu环境

先说最简单的方法，后边再说为什么不选其他的。

1. 打开anaconda prompt；
2. 输入“conda create -n tf tensorflow-gpu=1.13.1”
3. 等待安装完成，环境就配置好了。
   tensorflow-gpu踩过安装的坑的人，不禁惊呼：so easy???运行一下程序，会发现，就是这么easy,不是做梦！
   ------简要说一下坑路：大部分的教程都会给你一个表，让你去一一对应python，tensorflow-GPU，cuda,cudnn,这几个的版本；必须严格按照对应下载。其中几个下载还很慢，那个对应表教程给的不全，而去查比较全的表还需要科学上网，（光叙述走过的路就已经头皮发麻了）。我下了两个版本，最后还是用不了。如果家里有盐矿的人可以试试。

3. 将该环境添加到pycharm

1. 在pycharm里配置解释器，文件>设置>项目>解释器，点击添加
   

然后选择解释器，然后一路确定。

2. 再用anaconda prompt --pip install其他的包，或者再pycharm的设置里下载都可以。