Pycharm如何配置GPU环境（win10搭建DL环境）

—写在最前：请确保您的计算机符合深度学习最低配置；配置环境本身就是复杂的事情，希望各位能够钻研并坚持下去—

请注意：
（1）如果你的机子上在这之前已经安装了python，并且在pycharm中配置好了python环境，那么作者还是建议，卸载掉原来的python环境，因为博主曾经试过不卸载掉原来的python环境并且直接安装anaconda环境（可能是博主在安装Anaconda的时候没有勾选本文步骤3中的图），然后在anaconda中配置GPU环境，最后我的解决方法是卸载掉原来的python环境，只保留anaconda的python环境。
（2）如果你不想卸载的话，那么在安装Anaconda的步骤的时候，请勾选本文步骤3中的图试一试
对于电脑调用GPU去计算，当然得有相应的调用工具了。
首先需要下载电脑对应的CUDA版本和cuDNN。
具体流程在这里：https://blog.csdn.net/qq_39797713/article/details/103947951
该链接中的流程总结如下：
1、 查看电脑NVIDIA适合的CUDA版本
2、 下载对应的CUDA版本
3、 下载CUDA对应的cudnn版本

安装顺序按照cuda、cudnn、anaconda；

1、cuda的安装

不要改变默认路径（检验是否安装成功：cmd命令检验安装的版本nvcc -version，或者使用nvcc --version）

2、cuDNN配置

(检验是否配置库：到CUDA安装目录下的 bin目录或者include目录中是否有包含 cudnn字样的.h文件。)
官网下载好后可以直接解压文件夹。然后将这个文件夹下的文件按照如下操作复制到CUDA路径下：
复制 \cuda\bin\cudnn64_7.dll 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin.
复制 \cuda\ include\cudnn.h 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include.
复制 \cuda\lib\x64\cudnn.lib 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64.
复制好后，也就相当于安装好了cuDNN

3、anaconda的安装

建议不要改变路径（检验是否安装成功：cmd命令检验安装的版本conda）
具体安装流程请参考：https://www.cnblogs.com/sui776265233/p/11453004.html

anaconda3安装后检测是否成功安装：
在终端检测 conda --version

4、环境变量的配置

最终环境变量配置如图所示。（注意环境变量的顺序，其实只需要手动配置Anaconda的环境）

5、pycharm中配置GPU环境

完成上述操作并且确保安装成功和环境变量的配置没问题后，就可以开始配置pycharm中的GPU环境了。
打开pycharm–>file–>Settings–>“Project : PyThon”–>Project Interpreter，点击右上角的设置，点击“Add”，弹出对话框，选择“Conda Environment”，右侧选择“New environment”如下图所示：

点击ok后，返回到“Settings”框界面，在“Project Interpreter”中选择刚刚添加的Anaconda3下的python环境。

到这里就完成了Pycharm中GPU的配置了。主要步骤还是CUDA等下载，安装，环境变量的配置。

6、检验是否成功的配置好了GPU环境
这里提供一个GPU-Z软件下载链接，作者平时怕自己的破电脑干坏了，所以经常在意电脑主板温度
百度网盘链接：
链接：https://pan.baidu.com/s/1KFbK9lCTHJnuNurw2IFJXA
提取码：kzx7

作者在深度学习中的部分研究成果展示在此
希望能激励您勇往直前，为人类的进步贡献一份力量

本文是作者搞深度学习的时候抽时间写的文章，不够好的地方欢迎指教！