寫在前面

不得不先吐槽一下win系統下的環境配置太繁瑣，踩了無數的坑，造成了這篇血與淚的教訓。牢騷發完，開搞！javascript

pycharm

pycharm有三個版本：profession（Pro）、community、education（Edu）java

哪一個更適合你python

• Pro，收費，199刀/年，主要面對開發者，相比另兩個版本，Pro版增長了Web開發、Python We框架、Python分析器、遠程開發、支持數據庫與SQL等更多高級功能；web

• community和Edu版，免費，功能差很少，Edu多一個教育插件，更適合教育演示；數據庫

  博主提倡使用正版，尊重版權，因此這裏沒有破解教程windows

下載地址框架

• pro & communitysvg

• Edu測試

安裝
安裝路徑看我的，一頓猛next來到以下界面，勾選圖中選項以後繼續完成安裝。
ui

Python

截至2019年7月4日，tensorflow已支持python3.7版本，能夠放心安裝python3.7系列版本

安裝

路徑看我的，其他猛點next便可。

添加到環境變量

目的在於方便在cmd敲命令行

添加方法：右鍵此電腦→屬性→高級系統設置→高級選項卡環境變量→雙擊系統變量下的path→新建，把python安裝地址複製進去，例如「E:\Program Files\Python\Python37」

測試一下是否添加成功
在cmd裏鍵入python，返回如圖信息說明添加成功

Anaconda

Anaconda2適用於python2系列，Anaconda3使用於python3系列，下載時注意選擇64位和32位版本

安裝
路徑設置等一系列常規操做以後，選項下圖勾選，繼續安裝完成。

如需在cmd使用conda命令，就將conda添加進環境變量；亦可在anaconda prompt使用conda命令，此時無需添加環境變量

咱們來測試一下有沒有安裝成功，在prompt裏輸入conda list（添加了環境變量的能夠在cmd裏輸入），安裝成功是返回conda裏的模塊清單

pycharm中進行conda配置

打開pycharm，create new project；

選中existing interpreter，點擊右邊三個小點「…」，進入如下界面；

左邊紅框處選擇virtualenv environment或者conda environment（二者區別在下面），選中existing environment，點擊圖中箭頭位置選擇anaconda路徑下的python做爲解釋器，以後就是連續點ok,配置完成。

（區別：virtualenv environment可使每一個project的package庫相互獨立，互不干擾，但也就意味着每一個新project都須要從新添加相應package庫；conda environment則是全部的project都用conda的package庫，簡單方便，缺點是不能給不一樣的project配置不一樣的package庫。）

tensorflow

tensorflow分爲cpu和gpu版本，因爲官方pip源下載速度很慢，在安裝以前能夠把conda源修改成國內源，這裏推薦使用清華大學的鏡像源，截至2019年7月4日，清華大學conda源已經得到了anaconda的受權。

修改方法
在prompt裏輸入如下代碼

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
 
# 設置搜索時顯示通道地址
conda config --set show_channel_urls yes

tensorflow-cpu安裝

cpu版的安裝比較簡單，直接在prompt裏面鍵入便可

conda install tensorflow

tensorflow-gpu安裝

gpu版本安裝就要麻煩不少了，必須是NVIDIA的gpu纔可使用

1. 確保裝好了適合本身顯卡的顯卡驅動，沒裝驅動的能夠在NVIDIA官網查詢下載安裝，不必定要最新，穩定的驅動爲佳；
2. 找到桌面右下角的NVIDIA設置→右鍵進入NVIDIA控制面板→幫助→組件選項卡，在下圖紅框處找到適合本身的cuda版本號；
   
3. 下載對應本身顯卡版本的CUDA Toolkit,安裝時須要注意，選擇自定義安裝，只勾選CUDA，不然可能覆蓋掉本身裝好的顯卡驅動；
4. 下載對應CUDA Toolkit版本的cudnn，解壓後直接複製到CUDA路徑下 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9
   檢驗一下是否安裝成功，在cmd輸入nvcc -V，返回信息以下圖則安裝成功；
   
5. 打開prompt，分別輸入如下指令進行安裝，注意此處cudatoolkit、cudnn版本號不能高於第三、4步安裝的系統版本；

conda install cudatoolkit==版本號

conda install cudnn==版本號

conda install tensorflow-gpu

最後咱們跑段tensorflow代碼測試一下

import tensorflow as tf
sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))

輸出gpu信息，即安裝成功

撒花完結！
ヾ(❀撒花╹◡╹)ﾉ~ ✿.｡.･:✿ﾟ¨ﾟ✎･✿.｡.✿*ﾟ¨ﾟ✎･✿。

本文爲博主原創文章，轉載請註明出處