1、Anaconda3（很早就安装了，没有配图）
安装过程比较简单，一直下一步就好；
注意勾选添加Anaconda to my PATH，其他的随意
1.1、Anaconda的作用和使用
1.1.1 问题的出现
1.到底该装 Python2 呢还是 Python3
python2和python3在语法上是不兼容的, 那我的机器上应该装python2还是python3呢, 可能一开始选一个学习就好了, 但是如果你要开发的程序必须使用python2而不能使用python3,那这时候你就不得不再下载一个python2, 那这时候环境变量该设谁的目录呢, 如果还是切换环境变量岂不是很麻烦.
2.包管理
如果我在本地只有一个python环境那我所有程序用到的各种包都只能放到同一个环境中, 导致环境混乱, 另外当我将写好的程序放到另一电脑上运行时又会遇到缺少相关包, 需要自己手动一个个下载的情况, 实在是烦人, 要是能每个程序开发都选用不同的环境, 而开发好之后又能将该程序需要的环境(第三方包)都独立打包出来就好了.
1.1.2 附件的功能
Anaconda Navigtor ：用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也可以在 Navigator 中手工实现。
Jupyter notebook ：基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。
qtconsole ：一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 可以直接显示代码生成的图形，实现多行代码输入执行，以及内置许多有用的功能和函数。
spyder ：一个使用Python语言、跨平台的、科学运算集成开发环境。
1.1.3 管理虚拟环境
activate tensorflow-gpu
activate 能将我们引入anaconda设定的虚拟环境中, 如果你后面什么参数都不加那么会进入anaconda自带的base环境
- 创建虚拟环境
conda create -n tensorflow-gpu python=3.6
查看所有的环境:conda env list
安装第三方包:任意一种
pip install requests
conda install requests
卸载第三方包:
conda remove requests
pip uninstall requests
查看环境包信息
conda list
导入导出环境
conda env export > environment.yaml
1.2、Jupyter notebook
一篇教程
2、安装CUDA9(最恶心的一步了)
下载地址：
https://npupt.com/details.php?id=115935&hit=1
https://developer.nvidia.com/cuda-toolkit-archive
这个真是装了老半天：
安装步骤：
- 点击exe，解压后安装；
- 在自定义安装选项的那一步，把vs相关的去了，因为我电脑装的是vs2017，其他的一些驱动也没必要装（幸好没听信一些博客说要纯净环境，还重装系统，装vs2015，删除所有与NVIDIA有关的东西）
- 直接下一步，就可以成功安装了；环境变量也添加好了
3、cuDnn7.1.4
下载地址：
https://npupt.com/details.php?id=130567&hit=1
https://developer.nvidia.com/rdp/cudnn-download
CuDNN版本和CUDA匹配问题可从上面网址中CuDNN中查看
- 解压下载好的文件
- 将解压出的三个文件夹里的文件拷贝到CUDA的安装目录里的同名文件夹即可。
CUDA的安装目录：
4、创建python环境、安装tensorflow-gpu
- 打开powershell，创建环境：
conda create -n tensorflow-gpu python=3.6
- 配置我们刚创建的虚拟环境
activate tensorflow-gpu
#升级pip
python -m pip install --upgrade pip
#下载tensorflow-gpu 1.9.0
pip install tensorflow-gpu==1.9.0
下载的时候网速会比较慢；还有就是它会自动帮你把tensorboard给你降级了.
测试：
这时候发现了一个大bug，不能在powershell下下载，因为测试的时候失败了，并没有在我想要的环境下安装。~这能气死。
还是回到cmd下进行吧。
到pycharm中使用
参考博客：