Ubuntu和Windows系统下安装TensorFlow的GPU版本（使用Anaconda，IDE为PyCharm）
TensorFlow是一个当前较为流行的深度学习框架，许多开源代码都是通过TensorFlow的代码实现的，本次通过分享笔者在Windows和Linux两种操作系统上安装TensorFlow的实践经历，希望对读者的安装有所帮助
一、PyCharm的安装
我们可以通过PyCharm中的项目编译器中自带的功能来管理我们的package。下图是我的PyCharm界面。
点击右上角的+号即可添加packages，-号即可卸载packages
经过数次不同系统的安装，我发现通过PyCharm和Anaconda是最方便的，先建立conda环境，使用conda install 指令安装TensorFlow，它会自动帮你配置相关的CUDA和cuDNN，这就省去了很多时间。而且只要使用conda安装一个了TensorFlow，即可通过PyCharm对其版本进行修改，使用起来十分友好。想要手动安装CUDA和cuDNN的朋友可以参考我另一篇博文，应该没有坑。
链接: link.
PyCharm在Ubuntu系统下的的安装方式参见链接: link.
在Window下基本没有区别，主要在于Windows下的hosts不好修改，修改host的具体步骤参考链接: link.
二、在Windows系统下的安装
1. 安装Anaconda
使用链接: link.这是清华大学开源软件镜像站的官网，我们可以在里面下载自己想要的Anaconda版本。我使用的是Anconda3-4.4.0版本，按照提示进行安装即可。
安装完成后，我可以在开始菜单栏输入cmd，打开后通过conda --version
验证是否安装成功，若成功会显示版本号。
2. 创建环境
创建python的环境 可创建python3.5 或者其他版本的python，这里以python3.5为例。
conda create --name python35 python=3.5
其中python35是环境的名称，可以自己命名，比如：
conda create --name XiaoLiu python=3.5
安装过程中出现y/n时 输入y 表示yes 同意执行
3. 安装TensorFlow
在开始菜单栏，输入Anaconda Prompt，点击进入。
使用代码activate python35进入python环境
在进入环境后，使用conda install tensorflow-gpu安装最新版本的TensorFlow的GPU版本。
也可以使用conda install tensorflow-gpu==xxxx（代表你所想要的版本）来自定义安装。
退出时使用deactivate python35
4. 是否已经安装TensorFlow
在Pycharm环境中，添加编译器环境，通过以下代码进行验证。
import tensorflow as tf
a = tf.constant(1.0)
b = tf.constant(2.0)
c = tf.add(a, b)
with tf.Session() as sess:
print(sess.run(c))
如果输出为3.0，表明安装成功，即可使用。本文中使用的IDE为PyCharm，具体下载方法可以参考
链接: link.
三、在Linux系统下的安装
在安装了PyCharm和Anaconda之后
1. 建立Anaconda的环境
创建python的环境 可创建python3.5 或者其他版本的python，这里以python3.5为例。
conda create --name python35 python=3.5
其中python35是环境的名称，可以自己命名，比如：
conda create --name XiaoLiu python=3.5
安装过程中出现y/n时 输入y 表示yes 同意执行
2. 进入所创建的环境
source activate python35
在环境中使用指令安装TensorFlow
在进入环境后，使用conda install tensorflow-gpu安装最新版本的TensorFlow的GPU版本。
也可以使用conda install tensorflow-gpu==xxxx（代表你所想要的版本）来自定义安装。这样TensorFlow就安装好了。
退出时使用
source deactivate
3. 配置PyCharm的环境
进入settings
在现有环境的点下三角符号，进入。
再点击+号，进入配置环境。
在已经存在的环境中（existing environment中找到Anaconda中的python编译器，即可）