anaconda、cuda、cudnn、tensorflow-gpu深度学习环境搭建，踩过的坑

系统环境

1. window10
2. Geforce RTX 2060

搭建流程

寻找版本匹配

    这一步很重要！！！，不然后面会折腾死你。
    1. 在自己电脑上找到NVIDIA的控制面板，点击帮助–系统信息–组件，查看显卡对应的CUDA版本。

    2. 下载好正确版本后的cuda后，再下载和cuda配套版本的cudnn。网址：cudnn archive
    3.以上两步具体的安装记得查找对应教程，本教程只讲大体流程，不细化。其实没有很难，只要记得配置好环境变量，并在命令行窗口中检查是否安装成功。
    4. 去tensorflow-gpu官网查看和cuda、cudnn版本配套的tensorflow-gpu版本以及python解释器的版本，一定要安装配套版本，不然不兼容，到时候全是错。网址：tensorflow-gpu，找到对应版本后，先不要安装，看下文。

安装Anaconda

1. 这里使用anaconda来创建python虚拟环境，这个真的太方便了！！！，具体的你用到了就能体会到。
2. 安装好后，他会有一个默认的虚拟环境base，你可以用它，也可以自己新建，点开window窗口，找到安装的anaconda中anaconda prompt，点开后，输入创建虚拟环境的命令即可，具体命令网上一大堆，不累述，要注意一点，创建虚拟环境的命令尾部是可以指定创建的虚拟环境所使用的python版本的，这里你指定你在上文查到的配套版本即可，千万别搞错了。除了通过命令行窗口创建虚拟环境，还可以使用anaconda中Navigator，也很方便。
3. 虚拟环境创建好后，记得更改下anaconda的镜像源（用来下载虚拟环境中所需的各种package），不修改的话，访问的国外网址，下载很慢。具体的更改镜像源命令和镜像源地址网上一推，不累述。

安装tensorflow-gpu

1. 这一步非常重要，如果走错了，你前面的都是白搞。
2. 安装tensorflow-gpu，要使用conda安装，不要去那些IDE上安装，直接在命令行窗口激活你要安装tensorflow-gpu的虚拟环境（具体命令网上查找），然后输入conda install tensorflow-gpu==x.x.x，具体版本对应上文你找到的匹配版本。可能有人会问，为什么要这么做？这就是anaconda的魅力所在，安装tensorflow-gpu不仅仅是安装他一个package这么简单，他还需要很多依赖项（package），而使用conda命令来安装他会自动帮你把所有依赖项安装好并且版本配套，可是如果你使用其他IDE安装，哈哈！那你会体会到什么叫做绝望的！

安装pycharm

1. 这一步不是必须的，纯属个人喜好，安装好tensorflow-gpu后你的深度学习环境就已经搭建好了。
2. 用pycharm是为了方便自己编码，当然你也可以使用jupyter，这个也很方便。
3. 安装好pycharm后，输入如下代码，查看深度学习代码运行是否使用了GPU。你也可以在命令行通过命令来监控GPU的占有率。具体命令网上找。

import tensorflow as tf

version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:", version, "\nuse GPU", gpu_ok)

4. 运行该代码后，如果使用GPU为True，那么恭喜你，环境彻底搭建好了，如果是False，那么一定是你的版本配套上哪个环节出错了。这个时候有的是你抓狂了。

最后的话

    安装成功后，跑深度学习代码，你会发现GPU的占有率会明显上升，而CPU的使用率变化不会很大，如果是反过来了，那么恭喜你中奖了！学习之路不易，贵在坚持，不要轻言放弃，对自己有利的事情往往都是难办并且痛苦的，共勉！