WIN10下用anaconda安装tensorflow-gpu1.8.0并用pycharm作编译器（WIN10下anaconda+tensorflow-gpu+pycharm）

哈哈哈，又到了写BLOG的时候啦！
题目有点长，想要装tensorflow-gpu的同志们请耐心的看下去，尤其是想要用pycharm作编译器的筒子们，小编这里将提供最简单的方法实现anaconda+tensorflow-gpu1.8.0+pycharm！！！（是小编自己摸索了整整三天才搭建好环境的，其中心态崩了好几次）话不多说，快点来搭建环境吧。
小编使用的是python3.6所以适配的是anaconda3-5.3，pycharm用的是2017版本，因为要用到GPU加速，所以还要装NVIDA的CUDA和CUDNN，其中版本问题要注意，对照下图即可（版本问题不可小觑，不注意会吃大亏，小编因为这个原因重装了四五次）。



下面是大家可能用到的软件，用百度网盘分享给大家（百度网盘下载速度有限，为此小编还充了一个月的网盘SVIP，不过本着对开源精神的热爱，小编就将此BLOG公开啦）
python3.6.6下载链接：链接：https://pan.baidu.com/s/1qUAGX8_DB0-ZuBQ-9DPuOg
提取码：hdpa

anaconda3-5.3下载链接：链接：https://pan.baidu.com/s/13vXR8o0XNwr-Hs4wAE6ndg
提取码：880v

pycharm2017下载链接：链接：https://pan.baidu.com/s/10GvzaR_QciWF-j70Ofourw
提取码：t0yd

CUDA9.0+CUDNN7.0下载链接：链接：https://pan.baidu.com/s/1Mq_AuJqNBOOUS3sSO_BpXg
提取码：2shc

python就是一般安装方法，安装完记得添加环境变量即可，百度上有成熟教程，在这里小编就不一一介绍了。pycharm安装教程附在安装包里了，也不多说了。
下面开始安装anaconda。
第一步：双击.exe文件。（大家应该都有经验）点击next继续。

接着，同意相关协议。

接着可以自己安装也可以多用户共同使用，小编选了自己安装，不想出问题的话就Follow me吧，哈哈哈。

接着照着1、2来修改安装地址，友情提醒，别放C盘哦，小编上一篇重装系统的BLOG就是因为C盘炸了，哈哈哈。

最后就是等待安装了，Please be patient，哈哈哈。

你以为这样就安装好了吗，当然还要添加环境变量。根据步骤将anaconda的安装文件夹地址、安装文件夹下Scripts文件夹地址、安装文件夹下Library文件夹下bin文件夹地址添加到用户变量PATH里，就成功啦。

安装完当然要测试一下啦，win+R打开windows命令行输入conda -V然后回车就可以查看anaconda版本信息了。

接着就是用anaconda来安装tensorflow-gpu啦。
由于国内网速太慢所以有资源的可以挂VPN，如果想小编一样的穷逼呢，推荐你们一样宝贝—清华大学的镜像资源，包含国外的各种镜像资源，哈哈哈，支持国产人人有责。打开anaconda命令行输入：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

回车之后在输入：

conda config --set show_channel_urls yes

再回车，就连上清华的镜像资源啦。

然后先创建一个名叫tensorflow的虚拟环境用的是python3.6，输入以下代码：

conda create -n tensorflow pip python=3.6

然后回车即可，开始创建环境。图中要输入一下y回车。

如果像一下图片里的话，那么久恭喜你，创建好环境啦。

然后我们需要激活这个环境，在这个环境里操作，如果以后你想添加任何库像OPENCV等等的话也必须先激活环境再用PIP进行安装。
输入：activate tensorflow

下面将两种安装方法，就用tensorflow CPU版本一种、GPU版本一种，其实两个版本对于两种方法都适用。当然，小编首推命令行安装。
先讲第一种，对于CPU版本较为方便。
打开Anaconda Navigator找到刚刚创建的tensorflow

接着，搜索tensorflow-gpu并开始安装，等待完成即可（对网速要求比较高）。



如果上述方法失败了，不要紧，失败乃成之母，好东西小编当然要留在后面讲啦。
下面将第二种方法。
通过pip来安装：
CPU版本输入一下命令回车装完即可（后面装CUDA和CUDNN没你啥事啦）：

pip install --ignore-installed --upgrade tensorflow

GPU版本则比较费事，先输入一下命令进行安装：

pip install --ignore-installed --upgrade tensorflow-gpu 

以上边安装完了tensorflow，GPU版本还要装CUDA9.0和CUDNN7.0

双击CUDA.exe进行安装


接着选自定义安装

选中所有选项

一路通过即可安装完成。
安装完我们可以通过anaconda的命令行进行测试，查看CUDA的版本信息，输入以下代码：nvcc -V如果安装成功会显示以下版本信息。

接着解压“cudnn-9.0-windows10-x64-v7.zip”，将一下三个文件夹，拷贝到CUDA安装的根目录下。

最后就是添加环境变量了。
将下面四个路径加入到环境变量中，注意要换成自己的安装路径。

哈哈哈，到这里终于完成了所有的安装工作。（小编也快写不动了，啊啊啊）
接下来，是在pycharm中更改解释器。
首先，打开Pycharm -> Files -> Settings

然后在Project Interpreter里找到项目翻译

然后点击设置，选中anaconda安装目录下的venv文件下的python解释器。

到此，环境搭建基本都完成了，下面可以验证tensorflow了。
输入以下代码：

import tensorflow as tf
#import cv2
import os


os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'#去除红色警告

with tf.device('/cpu:0'):
    a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')
    b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
with tf.device('/gpu:1'):
    c = a + b

# 注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
# 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

回车之后运行，结果为[2，4，6]

小编用了OpenCV做了一个边缘检测，哈哈哈，没错这就是小编的CSDN头像！心中有党，成绩理想。哈哈哈，跟着党走就对啦！（小编可是又砖又红的党员，哈哈哈）在这里，小编给大家拜个晚年，祝大家新的新年三P多多（paper、patent、presentation）哈哈哈，猪年大吉，小编也会加油哒！

本文借鉴了不少XYH同学的BLOG，希望大家能够多多关注https://blog.csdn.net/ReadAir/article/details/86744897