1、Anaconda3（很早就安裝了，沒有配圖）
安裝過程比較簡單，一直下一步就好；
注意勾選添加Anaconda to my PATH，其他的隨意
1.1、Anaconda的作用和使用
1.1.1 問題的出現
1.到底該裝 Python2 呢還是 Python3
python2和python3在語法上是不兼容的, 那我的機器上應該裝python2還是python3呢, 可能一開始選一個學習就好了, 但是如果你要開發的程序必須使用python2而不能使用python3,那這時候你就不得不再下載一個python2, 那這時候環境變量該設誰的目錄呢, 如果還是切換環境變量豈不是很麻煩.
2.包管理
如果我在本地只有一個python環境那我所有程序用到的各種包都只能放到同一個環境中, 導致環境混亂, 另外當我將寫好的程序放到另一電腦上運行時又會遇到缺少相關包, 需要自己手動一個個下載的情況, 實在是煩人, 要是能每個程序開發都選用不同的環境, 而開發好之後又能將該程序需要的環境(第三方包)都獨立打包出來就好了.
1.1.2 附件的功能
Anaconda Navigtor ：用於管理工具包和環境的圖形用戶界面，後續涉及的衆多管理命令也可以在 Navigator 中手工實現。
Jupyter notebook ：基於web的交互式計算環境，可以編輯易於人們閱讀的文檔，用於展示數據分析的過程。
qtconsole ：一個可執行 IPython 的仿終端圖形界面程序，相比 Python Shell 界面，qtconsole 可以直接顯示代碼生成的圖形，實現多行代碼輸入執行，以及內置許多有用的功能和函數。
spyder ：一個使用Python語言、跨平臺的、科學運算集成開發環境。
1.1.3 管理虛擬環境
activate tensorflow-gpu
activate 能將我們引入anaconda設定的虛擬環境中, 如果你後面什麼參數都不加那麼會進入anaconda自帶的base環境
- 創建虛擬環境
conda create -n tensorflow-gpu python=3.6
查看所有的環境:conda env list
安裝第三方包:任意一種
pip install requests
conda install requests
卸載第三方包:
conda remove requests
pip uninstall requests
查看環境包信息
conda list
導入導出環境
conda env export > environment.yaml
1.2、Jupyter notebook
一篇教程
2、安裝CUDA9(最噁心的一步了)
下載地址：
https://npupt.com/details.php?id=115935&hit=1
https://developer.nvidia.com/cuda-toolkit-archive
這個真是裝了老半天：
安裝步驟：
- 點擊exe，解壓後安裝；
- 在自定義安裝選項的那一步，把vs相關的去了，因爲我電腦裝的是vs2017，其他的一些驅動也沒必要裝（幸好沒聽信一些博客說要純淨環境，還重裝系統，裝vs2015，刪除所有與NVIDIA有關的東西）
- 直接下一步，就可以成功安裝了；環境變量也添加好了
3、cuDnn7.1.4
下載地址：
https://npupt.com/details.php?id=130567&hit=1
https://developer.nvidia.com/rdp/cudnn-download
CuDNN版本和CUDA匹配問題可從上面網址中CuDNN中查看
- 解壓下載好的文件
- 將解壓出的三個文件夾裏的文件拷貝到CUDA的安裝目錄裏的同名文件夾即可。
CUDA的安裝目錄：
4、創建python環境、安裝tensorflow-gpu
- 打開powershell，創建環境：
conda create -n tensorflow-gpu python=3.6
- 配置我們剛創建的虛擬環境
activate tensorflow-gpu
#升級pip
python -m pip install --upgrade pip
#下載tensorflow-gpu 1.9.0
pip install tensorflow-gpu==1.9.0
下載的時候網速會比較慢；還有就是它會自動幫你把tensorboard給你降級了.
測試：
這時候發現了一個大bug，不能在powershell下下載，因爲測試的時候失敗了，並沒有在我想要的環境下安裝。~這能氣死。
還是回到cmd下進行吧。
到pycharm中使用
參考博客：