win10上配置tensorflow-gpu+anaconda+pycharm

1、首先檢查一下有沒有顯卡驅動，在桌面上右鍵如果有英偉達控制面板，那就說明你是有顯卡驅動的，如果沒有的話去英偉達官網上下載或者用驅動精靈（不推薦）

2、安裝cuda，cuda下載的時候一定要和自己的顯卡相對應，如果性能高於1060的就安裝cuda9，否則安裝cuda8。

cuda下載地址：https://developer.nvidia.com/cuda-toolkit-archive
cuda8下載地址：https://developer.nvidia.com/cuda-downloads
然後選擇如下：

我最後點的是精簡，然後一直確定
安裝完事後在cmd裏面測試，輸入nvcc-V，如果出現以下，則說明安裝成功了

CUDA安裝失敗問題visual studio integration failed問題解決方案，可按照下面博客解決

https://blog.csdn.net/weixin_44478778/article/details/86234044

3、安裝cudnn，cuda8必須搭配cudnn6

下載地址爲：https://developer.nvidia.com/cudnn
如果沒有下載的話，需要先註冊一下。
下載完成後解壓，解壓之後如下圖

然後把裏面相應的文件粘貼複製到cuda裏面相對應的文件中（bin裏的文件複製到bin裏）

4、安裝anaconda

anaconda下載地址https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
我下載的是Anaconda3-4.2.0-Windows-x86_64
安裝的時候把環境變量啥的都點上

5、在anaconda中下載tensorflow-gpu

首先用管理員權限打開Anaconda Prompt
然後在裏面創建tensorflow-gpu環境

conda create -n tensorflow-gpu python=3.5

因爲後期想要在Jupyter Notebook中打開這個環境，所以需要下載ipykernel，首先激活環境activate tensorflow-gpu，然後下載

pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple

後面跟的是清華的源，否則下載超級慢。
下載好之後就能在Jupyter Notebook裏面找到創建的環境了
然後下載tensorflow-gpu

pip install tensorflow-gpu==1.4.0 -i https://pypi.douban.com/simple

下載完事後下載matplotlib

pip install matplotlib -i https://pypi.douban.com/simple

測試matplotlib代碼

import numpy as np
from numpy import *
import matplotlib.pyplot as plt
# 測試數據集-二維 list
dataSet = [[-0.017612,14.053064],[-1.395634 ,4.662541],[-0.752157
,6.538620],[-1.322371  ,7.152853],[0.423363  ,11.054677],[0.406704
,7.067335],[0.667394  ,12.741452], [-2.460150 ,6.866805],[0.569411
,9.548755],[-0.026632  ,10.427743],[0.850433  ,6.920334],[1.347183
,13.175500],[1.176813  ,3.167020],[-1.781871  ,9.097953]]
dataMat = mat(dataSet).T # 將數據集轉換爲 numpy矩陣，並轉置
plt.scatter([dataMat[0]],[dataMat[1]],c='r',marker='o')  # 繪製數據集散點圖
# 繪製直線圖形
X = np.linspace(-2,2,100) # 產生直線數據集
# 建立線性方程
Y = 2.8*X+9
plt.plot(X,Y) # 繪製直線圖
plt.show() # 顯示繪製後的結果

如果matplotlib出現問題，那應該是版本太高了
解決如下：

pip install matplotlib==2.0.2 -i https://pypi.douban.com/simple

然後在Jupyter Notebook裏面的tensorflow-gpu環境裏面檢測一下

import tensorflow as tf
with tf.device('/cpu:0'):
    a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
    b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
    c = a+b
   
#注意：allow_soft_placement=True表明：計算設備可自行選擇，如果沒有這個參數，會報錯。
#因爲不是所有的操作都可以被放在GPU上，如果強行將無法放在GPU上的操作指定到GPU上，將會報錯。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

期間會出一個警告：
錯誤和這個博客一樣，是numpy的版本太高的問題
https://blog.csdn.net/bigdream123/article/details/99467316
解決方法：在tensorflow-gpu環境裏再重新下載一個低版本的numpy

pip install numpy==1.16.0 -i https://pypi.douban.com/simple

至此tensorflow-gpu安裝完成

6、在pycharm中配置anaconda環境

首先下載pycharm:

https://www.jetbrains.com/pycharm/download/index.html#section=windows

下載的時候記得把環境呀啥的都點上。
然後在pycharm裏面調用，如下圖

至此就全部安裝成功了
tip：這裏修改字體大小之類的

這裏修改主題

7、當出現cuda顯存的問題時，可以修改如下：

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))