windows + tensorflow_gpu环境配置

事实告诉我们，有些坑必须自己走
顺序所需我们都懂：cuda、cudnn、python（anaconda）、tensorflow，但是

坑 1：python：报错encording，

不知什么时候手欠删除了pythonhome，可加上之后，对anaconda中不同python版本，pycharm选择不了（就pythonhome仍保存，只是路径随便设了一个），第一个问题解决了

坑2：不要用anaconda中的tensorflow包，只到1.8.0，不能自动对应版本

我简直是栽在这个坑上了。在我后面有的网络没有跑通，一直报cudnn，新手的我，简直mmp，因为想着它不对应我的cuda、cudnn，而且anaconda里怎么又cuda，简直一个头两个大。其实anaconda里面tesorflow1.8下载的时候，自己下载配置了相关的cuda9，及cudnn，所以相当于自己集成了一个环境，也是可用的，不过有点老（参考博客1）

环境变量：

坑3：版本一定要对应

最后我装了python3.69+tensorflow1.14.0+cuda10.0+cudnn7.6
（这个图估计比较老，新版tesorflow10.1也可用，但是cuda不要超过nvdia控制面板里面的组件cuda.dll对应的，气死我了，因为cuda10.0当时死活下不下来，我用了最新10.1.几，反正超过了我那个10.1几，就报错里，又又卸载下来重配了cudnn、cuda）

环境变量：

这里主要用到前三个变量，后面的是cuda例子，测试cuda
也可以直接写入path（写的比较全，以防有问题，其实主要是目录、bin、lib）

坑4 .下载太慢用镜像

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.13.1
或者去python给出的网站https://www.lfd.uci.edu/~gohlke/pythonlibs下载轮子，pip install 包位置，这种情况下用其自带的prompt中安装，方法仍然pip（不要用cmd下，容易引起混乱）

坑5.报numpy相关错误或着警告

1、相关错误警告，百度，最后安装了numpy-mkl，并upgrade最新解决了。千万不要删除再安装，因为tensorflow会安装相关包，我之前想着就是先卸载再安，结果各种错误不断，这是因为numpy、sci、pillow有依赖关系。（不行的话就卸载tensorflow重安或者换个Python版本）
2、警告

感觉不好看，就百度一下解决，说卸载numpy再安装，结果就上面问题，…

坑6 cudnn initialize失败、不能created

有时候不是环境的问题，可惜小白一直怀疑，其实我也怀疑是gpu，可是网上代码一直没解决，今天在ssd代码看到这个，才能用，加上：

内存不够

终于环境好了，可以安心学习，不再怀疑环境上了。