深度学习平台搭建知识点记录

按部就班的完整安装教程可参考https://blog.csdn.net/AllenIrving/article/details/80406709
此处为安装中相关的知识点总结，知其然知其所以然。
一、NVIDIA 驱动、CUDA、cudNN、tensorflow的关系

1.CUDA：用于GPU编程的语言，跑TF的时候用了GPU，TF里面很多函数（或者依赖库）是CUDA语言编写的。不同TF版本需要不同的CUDA。

2.cuDNN：NVIDIA为深度学习，矩阵运算写的一个加速库。CUDA版本必须和cuDNN版本匹配。cuDNN和TF版本匹配与否则无所谓（不过CUDA和TF版本必须匹配，所以cuDNN版本和TF版本是间接依赖关系）。

3.TF：这个没什么好说的。个人经验，别用太新的，如果每次都用最新的，那么进而导致CUDA也要不断更新

4.CUDA驱动版本：保持最新就好了，CUDA驱动版本要求和CUDA版本匹配，而CUDA又要求cuDNN/TF是匹配的。不过CUDA驱动版本是向下兼容的，所以保持最新就没事。输入nvidia-smi可以查看。
具体对应关系可见tensorflow官网https://tensorflow.google.cn/install/source#tested_build_configurations.
截图如下：

二、ubuntu系统查看显卡型号及nvidia驱动
命令：nvidia-smi

从中可以看出，显卡为TITAN X(Pascal)，显存12G。
三、pycharm与anaconda虚拟环境的匹配

1.pycharm打开工程后，点击左上角“File”按钮，然后找到“setting”，点击后弹出对话框，在其中找到“project：xx”，然后点击其下的“project interpreter”，点击复选框右侧的设置按钮，点击“show all …”，在弹出的对话框中点击右侧“+”号，在“conda environment”中点击“existing environment”，在interpreter中选到你的虚拟环境“tensorflow”中“bin”中的“python3.5”，点击“ok”，点击“apply”。

2.pycharm运行配置（按步骤即可）



4处为该配置的命名，5处为要运行的文件的位置，6处为该工程对应的环境。配置好后即可点击下图的run运行。
未完待续。。

参考：https://blog.csdn.net/xs11222211/article/details/84782046