python+tensorflow+tensorflow-gpu+CUDA+cuDNN+pycharm全套环境配置教程

这篇博客是从零开始的安装教程，全部完成后你的电脑就可以运行以tensorflow为框架的机器学习代码了，并可以使用GPU进行加速运算。

1，python安装及环境配置

1. https://www.anaconda.com/download/在该网站下载对应你的系统版本的Anaconda(一个自带很多科学包的python版本)                                                                         
2. 下载好后点开安装程序，按照要求一路点击下一步
3. 
4. 
5. 选择自己要安装的路径
6. 这里选下面就可以了，上面那个自动添加环境有时候会出问题，尤其是你以前装过Anaconda然后又卸载了或者没装成功的时候，反正我们选择手动添加环境最保险。
7. 然后等待安装完成，安装完成后我们开始配置环境变量。右键我的电脑→属性→高级系统设置→高级→环境变量→系统变量→找到Path，点击编辑→然后我们要在其中添加三个路径，分别为： ~\Anaconda3，~\Anaconda3\Scripts，~\Anaconda3\Library\bin     中间的部分就是你安装Anaconda的位置，添加好后点击保存。
8. 安装完成，在cmd中输入anaconda和python，如果出现如下显示，说明安装正确。

2，Pycharm安装及环境配置

 

1. https://www.jetbrains.com/pycharm/在该网站下载对应你系统版本的Pycharm
2. 对于初学者来说社区版足够了，当然你也可以用收费版，网上也有破解教程。
3. 下载好后打开安装程序
4. 选择对应的版本
5. 按照要求一路点击下一步直到安装完成。
6. 打开pycharm，它会提示你新建一个工程，你也可以从从主界面新建工程。
7. 我们选择pure python 纯python程序，然后选择好路径，点击create创建
8. 建立好工程后我们新建一个python文件
9. 输入好文件名后点击ok
10. 接下来我们要配置解释器，也就是python的路径，点开设置 
11. 在左边选Project:untitled→Project Interpreter，然后在右边这个地方点击Add，新增解释器
12. 在左边选择Conda Environment，然后右边选择Existing environment，路径选择之前安装Anaconda文件夹下的python.exe，然后点ok。
13. 之后这里就会显示出当前选择的python所拥有的包，这里都是Anaconda自带的科学包。
14. 我们点击ok，返回主界面，接下来只要等右下角的进度条加载好，我们就可以写代码运行代码了。

3，tensorflow以及tensorflow-gpu的安装方法

1. 首先我们打开Anaconda的图形界面 
2. 在最左边选择Environments,然后将中间的下拉框选中not installed,然后在右边搜索框中搜索关键字tensorflow
3. 搜索到后选中tensorflow和tensorflow-gpu,然后点击右下角apply并按指示安装，安装完成后tensorflow就可以直接使用了，tensorflow-gpu还需要安装CUDA和cuDANN才可以使用。

4，CUDA和cuDNN的安装及环境配置

1. https://developer.nvidia.com/cuda-toolkit-archive首先从该网页下载tensorflow对应版本的的CUDA，tensorflow1.11可以使用CUDA9.0，下载好后按要求进行安装。
2. https://developer.nvidia.com/cudnn然后在这个网站下载cuDNN，版本要同时对应CUDA的版本和tensorflow的版本，cuDNN7.3.0满足CUDA9.0和tensorflow1.11。
3. cuDNN下载下来后是一个压缩文件，解压后里面有三个文件夹，我们需要将这三个文件夹里的内容粘贴到CUDA的安装路径下对应的相同名字的文件夹里。
4. 很多人可能找不到CUDA装在了哪里，它有一个默认安装路径
5. 然后我们打开pycharm，输入以下代码

   import tensorflow as tf
   
   sess = tf.Session()
   a = tf.constant(1)
   b = tf.constant(2)
   print(sess.run(a+b)) 

    

6. 运行程序，如果显示以下类似结果，说明安装正确