从安装anaconda到tensorflow-gpu

1.安装Anaconda

lz之前安装了Python3.7，安装anaconda一直不成功，也没有找到解决办法，决定卸载python3.7
找到原版本的python安装包，打开选择uninstall进行卸载，重启
好了，开始安装Anaconda
网上的教程都是两年前的，前面的步骤不多说，我把添加到环境变量和安装对应版本的python都勾选了，选择的All users，完成了以后，查看环境变量发现没有自动添加，于是手动添加，如下：

这时可以看看自己之前安装python的时候有没有添加其他的环境变量，没用的删了，然后可以查看下用户变量，我之前有在用户变量中添加python路径，卸载后并不会自动删除
然后按照其他教程的方法，打开cmd，输入conda --version，此时报错，提示：
Fatal Python error: initfsencoding: unable to load the file system codec - ModuleNotFoundError: No module named 'encodings'
此时去环境变量里修改PYTHONHOME

与上面第一个环境变量的位置相同，然后再去cmd输入conda --version发现成功

如果出现没有模块conda的错误，建议把自己安装的Python卸载干净，重装anaconda就好了，我就是懒得删python导致很久都没装成功。
安装好了以后，创建python环境
打开

创建python环境
输入命令:conda create -n python37 python=3.7
后面的python=3.7是选择python的版本，我之前用的是3.7，所以这里我选择3.7，这里选择版本也要考虑到tensorflow模块版本可适用的，后面有tf模块各个版本对应的python版本。
我后来把源切换成清华的，发现报错，再把配置改回来就好了
修改回默认的配置：conda config --remove-key channels
查询python的版本：conda search --full-n python

创建好以后，启动这个环境：conda activate python37
关闭环境：conda deactivate

在环境中安装模块包，用pip和conda都是可以的，比如安装模块lxml ：conda install lxml或者pip install lxml
列出自己所创建的所有环境：conda env list或conda info --envs

查询安装好的模块：conda list

2.安装pycharm

去官网下载社区版，社区版是免费的
https://www.jetbrains.com/
打开会有点慢，不过没问题
安装过程找个教程看，安装完以后记得配置环境
打开pycharm，file-setting-python intetpreter，配置之前设置好的anaconda环境

配置好以后可以写个程序运行下，看看是否可以用
此时的环境中的包还不全，后续可以根据写代码过程中的需要自己去添加

3.安装tensorflow

tf-cuda-cudnn对应关系很重要，去官网寻找对应关系
https://tensorflow.google.cn/install/source_windows#gpu

CUDA：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html
cuDNN：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows
显卡驱动查询：https://www.nvidia.com/Download/index.aspx?lang=en-us

3.1显卡驱动

电脑必须是N卡！！！
先确定好显卡驱动，再根据显卡驱动查看合适的cuda版本，再查看tf-cuda-cudnn各自对应的版本，这样才可以最大限度确保一次成功。

显卡驱动自己从上面的网址去找对应自己电脑的版本，这里就不讲啦。
参考: https://blog.csdn.net/qiancaobaicheng/article/details/95226499
查询计算能力，如果官网找不到的话，下面这个网站可以试试
链接: https://en.wikipedia.org/wiki/CUDA.

以下部分建议看完再操作！

3.2 安装tensorflow -gpu

如1中anaconda创建虚拟环境的步骤，自己再创建一个名为tensorflow的环境，输入以下命令进行安装tensorflow:
第一种：pip install --upgrade --ignore-installed tensorflow-gpu
也可以自己指定安装的版本，见下面第二种，我后来选择了第二种
第二种：输入以下命令安装tensorflow
pip install tensorflow-gpu==1.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
装完以后，进入python环境，导入模块，结果报错，显示一个dll文件没有，卡在这好几次，看了一个博文，去搜这个文件的同名，把后面的数字改了，然后就可以导入模块了，后续出问题再说
上面这个解决办法简直是在扯，全部下载完以后搞懂了，当时我装的cudn和tf模块版本不对应，显示找不到cudart64_100.dll的话，意思就是你下载的tf对应的cuda版本是10.0，如果是cudart64_102.dll的话，需要去下载cuda10.2
如果后续安装完cudnn，再导入tf模块的时候报cudnn64_7.dll找不到的话，就是需要去下载cudnn7。
如果官网找不到tf-cuda-cudnn对应关系的话，从报错提示看理论上也是可行的，就是费劲。

3.3安装CUDA

tf1.15.0版本对应cuda10.0，cudnn7.4，我前面装错了cuda的版本，所以此处我在重装，真的好麻烦！
选择合适的显卡驱动下载安装以后，安装CUDA，我选的是10.0，好使
下载cuda时，出现了些问题，提示我vs进程没关，安装cuda时要把vs进程关闭，然后下载完

安装完以后查看环境变量确保有以下设置：
下面这两个图里的环境变量是自动添加的


需要在path路径里添加:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

验证安装：

也可以去安装cuda的文件里找到nvcc.exe，就可以了

3.4 安装cudnn

开始安装cudnn，从上面官网进，选择你确定好的版本，下载完以后，解压文件，把文件里对应的文件放到对应的cudn文件里
cudnn/bin/cudnn64_7.dll–>cudn/bin
cudnn/include/cudnn.h–>cudn/inclued
cudnn/lib/x64/cudnn.lib–>cudn/lib/x64
进入python环境，验证，显示true，环境配置成功！

试着导入模块，成功！


安装过程中有问题或者哪里不详细的可以问我，趁我还记得!