win10上配置tensorflow-gpu+anaconda+pycharm

1、首先检查一下有没有显卡驱动，在桌面上右键如果有英伟达控制面板，那就说明你是有显卡驱动的，如果没有的话去英伟达官网上下载或者用驱动精灵（不推荐）

2、安装cuda，cuda下载的时候一定要和自己的显卡相对应，如果性能高于1060的就安装cuda9，否则安装cuda8。

cuda下载地址：https://developer.nvidia.com/cuda-toolkit-archive
cuda8下载地址：https://developer.nvidia.com/cuda-downloads
然后选择如下：

我最后点的是精简，然后一直确定
安装完事后在cmd里面测试，输入nvcc-V，如果出现以下，则说明安装成功了

CUDA安装失败问题visual studio integration failed问题解决方案，可按照下面博客解决

https://blog.csdn.net/weixin_44478778/article/details/86234044

3、安装cudnn，cuda8必须搭配cudnn6

下载地址为：https://developer.nvidia.com/cudnn
如果没有下载的话，需要先注册一下。
下载完成后解压，解压之后如下图

然后把里面相应的文件粘贴复制到cuda里面相对应的文件中（bin里的文件复制到bin里）

4、安装anaconda

anaconda下载地址https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
我下载的是Anaconda3-4.2.0-Windows-x86_64
安装的时候把环境变量啥的都点上

5、在anaconda中下载tensorflow-gpu

首先用管理员权限打开Anaconda Prompt
然后在里面创建tensorflow-gpu环境

conda create -n tensorflow-gpu python=3.5

因为后期想要在Jupyter Notebook中打开这个环境，所以需要下载ipykernel，首先激活环境activate tensorflow-gpu，然后下载

pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple

后面跟的是清华的源，否则下载超级慢。
下载好之后就能在Jupyter Notebook里面找到创建的环境了
然后下载tensorflow-gpu

pip install tensorflow-gpu==1.4.0 -i https://pypi.douban.com/simple

下载完事后下载matplotlib

pip install matplotlib -i https://pypi.douban.com/simple

测试matplotlib代码

import numpy as np
from numpy import *
import matplotlib.pyplot as plt
# 测试数据集-二维 list
dataSet = [[-0.017612,14.053064],[-1.395634 ,4.662541],[-0.752157
,6.538620],[-1.322371  ,7.152853],[0.423363  ,11.054677],[0.406704
,7.067335],[0.667394  ,12.741452], [-2.460150 ,6.866805],[0.569411
,9.548755],[-0.026632  ,10.427743],[0.850433  ,6.920334],[1.347183
,13.175500],[1.176813  ,3.167020],[-1.781871  ,9.097953]]
dataMat = mat(dataSet).T # 将数据集转换为 numpy矩阵，并转置
plt.scatter([dataMat[0]],[dataMat[1]],c='r',marker='o')  # 绘制数据集散点图
# 绘制直线图形
X = np.linspace(-2,2,100) # 产生直线数据集
# 建立线性方程
Y = 2.8*X+9
plt.plot(X,Y) # 绘制直线图
plt.show() # 显示绘制后的结果

如果matplotlib出现问题，那应该是版本太高了
解决如下：

pip install matplotlib==2.0.2 -i https://pypi.douban.com/simple

然后在Jupyter Notebook里面的tensorflow-gpu环境里面检测一下

import tensorflow as tf
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))

期间会出一个警告：
错误和这个博客一样，是numpy的版本太高的问题
https://blog.csdn.net/bigdream123/article/details/99467316
解决方法：在tensorflow-gpu环境里再重新下载一个低版本的numpy

pip install numpy==1.16.0 -i https://pypi.douban.com/simple

至此tensorflow-gpu安装完成

6、在pycharm中配置anaconda环境

首先下载pycharm:

https://www.jetbrains.com/pycharm/download/index.html#section=windows

下载的时候记得把环境呀啥的都点上。
然后在pycharm里面调用，如下图

至此就全部安装成功了
tip：这里修改字体大小之类的

这里修改主题

7、当出现cuda显存的问题时，可以修改如下：

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))