解决在Ubuntu中Pycharm一直tf.test.is_gpu_available()为false的问题

本机软件环境

Ubuntu20.04 + CUDA10.0 + cudNN7.6.5 + Anaconda3-2020.02
tensorflow-gpu安装了两个，tf1.15 和 tf2.0
（安装教程可参考这里）

【查看环境常用命令】
echo $PATH 查看环境变量PATH

nvcc -V 检查CUDA版本（Runtime API）

nvidia-smi 查看该时刻GPU使用情况（注意，右上角的CUDA是指 Driver API，我们自己跑程序用的是nvcc -V里的 Runtime API）

top 查看系统实时的资源使用情况："%Cpu(s)"行的第一项"0.x us"表示CPU利用率；“MiB Mem"行的"total” “free” "used"分别表示总量、空闲、已使用内存大小，单位是MB；此外还有各个进程的资源占用情况等信息。退出按 q 键即可。

问题描述

我们通常用两个语句来检查tensorflow-gpu有没有正常执行：

# 检查tensorflow是否得到CUDA支持
tf.test.is_built_with_cuda() 
# 检查tensorflow是否可以获取到GPU
tf.test.is_gpu_available()

只有上述语句返回值都是 true 时，表示能够成功执行tensorflow-gpu。
我们安装完环境通常会迫不及待地在命令行测试一下这两句话，返回都是true（出现false的话一般是CUDA的问题，可参考这里）。然后开开心心安装好pycharm，选择好对应的conda环境就开始跑程序啦。

然而，程序跑是跑起来了，怎么这训练速度比我自己手算还慢啊？！这时用 nvidia-smi 一检查，好家伙，显存只用了3%，GPU利用率只有2%？CPU占用率87%？！！！这怎么成了cpu在跑了？？？

命令行中两个测试语句明明都返回的true啊，于是我在pycharm里进行检查，conda环境是对的，运行了同样的测试语句后，tf.test.is_gpu_available()居然是false？

问题原因

pycharm没有找到CUDA的支持文件，还记得安装CUDA时我们在.bashrc文件里写入过两个环境变量吗，问题就在LD_LIBRARY_PATH，环境变量里明明有，但是pycharm就是读不到。（知道真相的我眼泪掉下来）
怎么看pycharm能不能读到呢？在菜单栏"RUN"下面的"Edit Configuration"中，环境变量一栏可以看到pycharm获取的环境变量，发现确实没有LD_LIBRARY_PATH。

解决方法1——为单个文件添加环境变量

直接在上图所示的用户环境变量一栏里添加一栏LD_LIBRARY_PATH和对应的路径（以自己环境变量中的路径为准），如下：

我们再执行这个程序，就不会有问题了。
**【缺点】**这一操作只针对单个文件，我们每次要执行一个新创建的 tf 程序时都要这样重新再配置一遍。
那如何一劳永逸呢，且往下看

解决方法2——命令行启动pycharm

是的，只要pycharm在命令行中执行，就会获取到LD_LIBRARY_PATH（这是什么鬼畜的bug）
（如果你在安装pycharm的时候有选择创建命令行启动，就直接可以在命令行输入指令启动了，指令默认是"charm"，你可以在/usr/local/bin下面查看之前有没有设置过）
那如何简单快速地用命令行启动pycharm呢？其实就是把pycharm的启动程序连接到PATH中，只需两步：
1.找到pycharm.sh的路径
2.命令行输入sudo ln -s pycharm.sh的路径 /usr/local/bin
例如我的是：sudo ln -s ~/.local/share/JetBrains/Toolbox/apps/PyCharm-C/ch-0/201.8743.11/bin usr/local/bin/pycharm
执行完毕后，会在 /usr/local/bin 下生成一个名为 pycharm 的链接文件，从命令行直接输入"pycharm"就可以启动pycharm了。
pycharm启动后，我们再去看一眼Edit Configuration，里面果然加载到了LD_LIBRARY_PATH。

于是乎又一个坑被我们填上了，希望pycharm尽快把这个bug解决掉啊啊啊。