window10环境下部署Anaconda3+TensorFlow_GPU+PyCharm环境

版本说明：
Anaconda3:
Anaconda3-5.1.0 (默认自带python3.6) 清华镜像下载地址
CUDA:
CUDA ToolKit 9.0 cuda 9.0
PyCharm
2018.2

部署说明
1.安装Anaconda3

2.安装CUDA，cuDNN（CUDA Deep Neural Network）(用于机器学习的计算加速)
cuDNN在https://developer.nvidia.com/cudnn这里下载，这里需要先注册账号然后登录才能进去下载

安装CUDA 9.0的默认路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\，安装CUDA9.0完后，把cudnn-9.0-windows10-x64-v7.1.zip解压后，把bin,include,lib里面的文件(共三个)分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\下的bin,include,lib目录下即可。


2.安装PyCharm

4.Anaconda添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

使用conda创建一个开发tensorflow项目的python环境，单独管理python包，让包结构更加清晰
conda create -n tensorflow python=3.6
-n：需要创建的python环境名称
python=3.6：Anaconda可以同时管理多个版本的python，所以为每个python环境独立设置需要的版本，这里使用python3.6
命令执行完后会在Anaconda的安装目录下创建一个envs目录，下面有tensorflow环境目录，目录下就是该环境要用到的python包

**tensorflow的python环境
activate tensorflow

查询有哪些TensorFlow_GPU版本
conda search tensorflow-gpu(cpu版查询:conda search tensorflow)

安装指定版本的TensorFlow_GPU(这里安装1.11.0版)
conda install tensorflow-gpu=1.11.0

由于使用conda安装，所以安装过程会自动下载tensorflow需要的依赖包，比较方便（使用pip需要手工下载依赖包）

测试TensorFlow环境是否正常

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

输出如下图

可以看出tensorflow包已正常使用，gpu环境也正常

在PyCharm配置上面使用conda创建的tensorflow环境

在新建项目是选择configure下拉框的settings

选择Project Interpreter，点击右边下拉框旁边的设置按钮，选择add，出现下图的配置窗口

选择Conda Environment，选择Existing environment，在Interpreter中选择使用conda生成的tensorflow环境，点击确定后，pycharm使用conda创建的tensorflow环境配置完成，返回上级窗口选择刚配置的tensorflow环境，便会看到该环境下的所有包

新建测试项目，选择配置好的tensorflow环境作为Interpreter（可以在External Libraries中看到只在tensorflow环境下的包），使用上面的代码做测试，运行成功