win10下conda创建新的环境安装tensorflowGPU和keras，并应用到jupyter和pycharm

前言：gpu版本的tensorflow需要安装CUDA和cuDNN，不同的显卡对应的版本不同，而CUDA的版本和cuDNN又是对应的，所以要去下载自己对应的版本安装好。
以下操作都是建立在已经安装好anaconda、

打开anaconda prompt
1.创建新的虚拟环境tsflowgpu,使用python3.6版本
conda create -n tsflowgpu python=3.6
2.激活该环境
activate tsflowgpu
3，然后就进入了该环境，现在给这个虚拟环境安装tensorflow-gpu2.0.0 版本和keras2.3.1版本，注意这两者的版本要匹配，具体哪个版本适合自己自己现百度查找。
然后安装tensorflow-gpu：
pip install tensorflow-gpu2.0.0
安装keras：
pip install keras2.3.1
注意：安装keras 的时可能会提示pip等级过低，需要升级到20版本，这时候按照提示升级即可，如果升级失败，输入conda install pip，之后再升级。
然后就安装完成。
输入python进入交互环境，import tensorflow没有报错证明tensoflow安装成功，然后试着import keras，如果也没有错就代表两个都安装成功。
4.接下来，把这个虚拟环境设置到jupyter中，使之后可以替换为这个环境。
保持在这个tsflowgpu环境中，
装jupyter，输入
pip install jupyter
接着安装ipykernel
pip install ipykernel
然后创建一个对应这个tsflowgpu环境的kernel，命名为
python -m ipykernel install --user --name tsflowgpu --display-name “tsflowgpu”
好了，接下来jupyter就能检测到这个conda 的虚拟环境了。
在这里可以查看这个环境并可以替换。

jupyter环境配置完成。
5.pycharm 的环境配置，将这个虚拟环境导入到pycharm中。
进入File>settings>Project Interpreter

然后点击add local，conda environment中选择existing environment，然后找到你安装的anaconda目录下的env下的环境里面的python.exe。
我这张图里面用的环境名字叫tensorflow，上面说的是tsflowgpu。

好了，现在就完成了gpu环境下tensorflow 的搭建，至于cpu环境，可以再创建一个env虚拟环境，里面安装cpu版本的。