[记录思路与bug】GeForce MX150+Python3.7.6+Anaconda3+TensorFlow-gpu 1.14.0+CUDA10.0+cudnn7.6.4+PyCharm

【自己查看用】
GeForce MX150+Python3.7.6+Anaconda3+TensorFlow-gpu 1.14.0+CUDA10.0+cudnn7.6.4+PyCharm

写在最前面

首先要注意版本的选择，不要盲目选择，一定要每一个安装包都查清楚版本对应关系。
（以及这篇博客主要是为了记录自己的思路和遇到的bug，并不算是教程，所以很多地方写的一点都不详细）

Python安装

我电脑中本来已经安装python3.8，但在查询与tensorflow的版本对应时，发现最高仅支持到v3.7，只好重新安装python
python官网链接

Anaconda3安装

Anaconda官网

CUDA安装

CUDA官网
版本选择：
得到自己的显卡型号（N卡）
在设置中查看支持的CUDA版本，由于tensorflow需要版本对应，虽然我查询到的CUDA版本为11，但我还是下载了10.1，后续报错[ImportError: Could not find ‘cudart64_100.dll’.],经查看环境变量没有问题，但是我的文件夹里有的是cudart64_101.dll’，所以我的版本错误，重新下载选择了10.0版本
CUDA一开始安装失败，采取的解决方式：
仅勾选
其余均不选择，但还是失败[Nvidia Cuda update core install failed]
采取解决方案（感谢这位博主）

cudnn安装

官网链接
一定要和CUDA对应好版本
下载完成后解压，将文件夹复制到CUDA文件夹中，他居然能自动融合进去不产生“存在同名文件夹”hh

tensorflow-gpu安装

conda create -n tensorflow pip python=3.5
activate tensorflow
pip3 install tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
import tensorflow as tf
tf.test.gpu_device_name()
在这里简直遇见了无数bug！

1. 要用pip3，pip可能会产生路径问题
2. 修改完环境变量python一直不起效，重启一次突然又可以了
3. import tensorflow as tf 报警：“ FutureWarning: Passing (type, 1) or
   ‘1type’ as a synonym of type is deprecated; in a future version of
   numpy, it will be understood as (type, (1,)) / ‘(1,)type’”，
   可能原因：numpy 的版本过低或者过高都会出现警告
   解决方案参考，十分感谢
4. 一开始用的指令是[pip install tensorflow]，结果一直是cpu支持运算，后来回头一想好像是指令用错了
5. pip3 install --ignore-installed --upgrade tensorflow-gpu安装的又是最新版，版本就不对应了。

PyCharm配置

由于之前折腾python，还把之前的django弄崩了，又重新配置了django，然后又陷入python和anaconda的python的纠结中去，pip install django总是会跑到anaconda文件夹下，后来采用了[这篇博客]，不过我的python-ana其实不行，但是也可以用了，成功将django装到了本地python文件夹下
将我们用anaconda创建的已经下载了tensorflow的虚拟环境的python.exe作为Project Interpreter，就可以在python文档中使用tensorflow了，可以新建一个pure python文档，
import tensorflow ans tf
print(tf.version)
来检测是否成功

That’s all!