搭建深度學習的環境，框架用tensorflow，用顯卡的gpu跑模型，項目包管理用Anaconda，Ide集成環境用pycharm
最近畢業設計結束，電腦資料太亂，重裝win10，重新配置深度學習開發環境，剛剛開始看了大量的博客，發現之前要下cuda+cudnn,入坑一天，配置好幾次都是import tensorflow as tf ERROR，第一行出錯。直到我看到自己在anacanda安裝tensorflow-gpu時，內部自己自動安裝cuda和cudnn,我才發現，好像不用自己去單獨下，可能那樣會破壞Anaconda3的環境。
1.安裝顯卡驅動
我的顯卡是GTX1050，去對應的廠商官網下載驅動
官網鏈接：GEFORCE官網鏈接
選擇自己顯卡的型號，要是不知道顯卡型號，右鍵，此電腦-》屬性
上面那個是Intel集顯，下面是我電腦獨顯，用獨立顯卡進行深度學習訓練
然後搜素到不同的驅動版本如下：
一般下載studio driver驅動，因爲其他都是遊戲驅動，此處框框裏面，兩個驅動只是版本不一樣，選哪個下載都行
安裝驅動
同意-》自定義
等待安裝完成，安裝路徑默認吧，安裝完成後，查看自己GEFORCE兼容cuda適合的版本。
圖中也就是說明我GEFORCE兼容cuda10.2和10.2以下的版本才能跑（CUDA驅動版本要滿足CUDA運行版本）
否則，你單獨安裝cuda會出現：CUDA driver version is insufficient for CUDA runtime version的情況。
2.安裝Anaconda3
我安裝的是Anaconda3-2018.12-Windows-x86_64
別安裝太高版本的python環境，否則你每次新建環境都得寫python版本，建議裝3.6.X 版本,高低版本 tf 都兼容，以後環境轉換方便。
裝python3.6的好處
從經過測試的構建配置，可以看到，下面python3.6都可以兼容cpu跑，gpu跑都行。
Anaconda3安裝過程，無腦點下一步，記住自己安裝的位置就行。
3.安裝pycharm2020.1.2
安裝以及破解參見鏈接
要是上面鏈接破解不成功，此處有自己使用過的破解包jetbrains-agent-latest.zip
鏈接：https://pan.baidu.com/s/1yd5QPViZVFCyCmpWlLNnDg
提取碼：ob0a
4.在anaconda3裏面配置環境
要是嫌棄anaconda3太大，太麻煩，可以考慮裝minianaconda，參考：Anaconda和Miniconda
常用指令鏈接：anaconda常用指令
打開
方法1：手動找適配
首先創建一個mytf的環境（指定3.6是爲了後面裝tensorflow-gpu兼容性強）
conda create --name mytf python=3.6
用conda env list 查看系統中的所有環境，此處說明我係統中有兩個環境，一個base一個mytf，mytf是剛剛創建的
其次進入mytf環境
activate mytf
最後在mytf環境下安裝tensorflow-gpu（從前面的步驟二的經過測試的構建配置看出，指定1.14.0是爲了適配前面的python3.6）
conda install tensorflow-gpu=1.14.0
以下是我具體操作過程：
框框裏面已經有cuda和cudnn包了自動會調整版本，不需要自己去手動去官網再次下載cuda和cudnn配置，不得不說，anaconda包管理還是很不錯的，節省開發時間。
方法2：懶人福利，不管任何適配，一行代碼解決
熟悉conda命令後，重新創建一個新環境，指定tensorflow-gpu=某版本，真香！！！（步驟二都懶得考慮，管他什麼和什麼兼容，這個問題不存在的，哈哈哈）
在anaconda創建名爲 tf1 的環境，指定tensorflow-gpu=1.14.0。
conda create --name tf1 tensorflow-gpu=1.14.0
由此看來，python,tensorflow-gpu,cudn,cudnn,vs包等一系列兼容問題都能解決了，不會遇到錯誤，不用自己去挖坑考慮！！！
5.pycharm使用anaconda環境
創建一個新的項目，在pycharm選擇如下：
在anaconda3目錄下有個envs，找到python.exe選擇ok，這個目錄下就是自己創建的mytf環境,anaconda3根目錄下python.exe是base環境。
和之前在anaconda prompt命令行裏面看到的一致。
添加一個py代碼，跑一下這個程序
"""
HelloWorld example using TensorFlow.
"""
from __future__ import print_function
import datetime
import tensorflow as tf
print('Start at: ', datetime.datetime.now()) # 開始時間
hello = tf.constant('Hello, World!') # 定義一個常量
sess = tf.compat.v1.Session() # 開始執行tensorflow的會話
# 打印輸出
print(sess.run(hello)) # b'Hello, World!'
print('End at: ', datetime.datetime.now()) # 結束時間
直到出現helloword,說明成功
完成了。。。
總結
打開anaconda的圖形化界面
其實在anaconda prompt命令行裏面指定安裝tf版本等於多少，anaconda自動會給你看看包依賴，得安裝什麼包。
之前如果手動安裝cuda和cudnn的話，這裏再去anaconda配tf的安裝環境，會發現anaconda可能不會在內部重新下載cuda和cudnn安裝包，導致import tensorflow as tf 模塊出錯，有遇到問題說vs2015，2017沒裝，還有什麼包沒更新，裏面某個模塊的版本要降，那些都是沒用anaconda包管理，自己手動安裝項目的環境。其實不如交給anaconda安裝的時候去檢測，省得一直去網上查走彎路。anaconda真香
其實在創建anaconda新環境時，指定要tensorflow-gpu=某個版本，所有的都給你適配，哈哈，
人生苦短，我用anaconda+pycharm。