anaconada3+tensorflow_gpu1.8+cuda9+cudnn+pycharm吐血总结

1.anaconada3安装教程

Anaconda 官网下载地址：https://www.anaconda.com/distribution/
注意：安装完成后默认python版本是3.7,版本太高，有些东西不兼容，我们暂时我们更改为3.5
这时有两种方法
第一种：直接在cmd中输入conda install python=3.5，直接把默认的python3.7回退到python3.5版本。
第二种：（推荐使用）在conda中新建一个专门放置python3.5的环境这样可以做到3.5与3.7的版本切换,包括tensorflow版本之间的切换，而且所有的库都存放在这个独立的环境下，互不影响。

conda create -n py35(这个是环境名称) python=3.5：表示你在anaconana中新建了一个名为py35的环境，并且指定python的版本为python3.5.

https://blog.csdn.net/lipenghandsome/article/details/104582966(这篇博客可以参考，写的很好)

activate py35

如果你选择第二种方法的话，记得在CMD中激活环境，tensorflow一定要装在这个环境里面（执行上方代码切换环境）！！！像这样

2.cuda与cudnn安装（cuda9.0+cudnn7.0）

cuda9.0下载地址：cuda9.0

自己百度显卡支持的cuda和对应的cudnn版本

一定要注意按照要求下载相应的版本，不是版本越高越好，因为tensorflow一直在更新，所以所需要的CUDA和cuDNN的版本也会不同，安装的不合适会无法使用。

打开CMD，输入

nvcc -V

则表示cuda安装成功

接下来
https://developer.nvidia.com/rdp/cudnn-archive【cudnn下载地址】

下载cudnn,解压后得到

得到这几个文件

将这几个文件复制到

将这个三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0”
（CUDA安装路径）

就可以了
接下来查看系统的环境变量，没有的手动添加就可以了

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp

3.tensorflow_gpu安装

选择第二种方法的小伙伴们这个时候就可以看见刚才新建的py35的环境了

！！！如果你没有激活py35的环境默认情况下 tensorflow是安在在bash下的。这个地方一定要注意，否则后续会出错

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.8.0
（将下载源换成了国内镜像，速度很快）

安装完成之后我们可以简单测试一下

成功！

4.将tensorflow嵌入到pycharm中

这个地方不难，只要之前的环境测试没有问题，就不太可能出问题
这个地方需要注意的一点就是你的tensorflow安装在哪个位置你就要导入哪个位置的python.exe
比如你新建了一个py35的环境，你就要到那个环境下去找python.exe不能直接找anaconada下的python.exe，除非你的tensorflow是安装在根目录下，没有新建环境这时候可以直接导入anaconada下的python.exe

总结来说当程序执行的时候它是根据你anaconada中 当前（激活） 环境下的python.exe和tensorflow来决定执行哪个版本的python和tensorflow

eg:
bash(root) : python3.7， tensorflow_gpu1.8
py35 : python3.5 ，tensorflow2.0
调用哪个环境下的python.exe就执行哪个tensorflow
anaconada就是这样去做版本切换的。

运行代码块测试一下

import tensorflow as tf
hello=tf.constant('hello,world')
sess=tf.Session()
print(sess.run(hello))

大功告成！