小白的机器学习环境搭建之路
1.前提步骤
安装合适版本的anaconda ，cuda，cudnn 再找tensorflow
1.1安装anaconda
官方网站Anaconda | The World's Most Popular Data Science Platform
?点击download
?（我用的是windows 64位的）
按照流程安装。
?安装完成后再验证一下
再搜索中输入anaconda会出现
?
?
证明anaconda安装完成
打开anaconda navigator?
再环境中可以新建&配置环境
（本文采用命令行的方式进行，因为这个方法用了不太行（个人））
1.2 cuda & cdnn的安装和环境配置
? ? ?1.2.1 cuda
?打开nvidia control?
?左下角系统信息
?点击组件，可以看到对应的：NVCUDA 64.DLL? ??
比如我的是11.4 版本
在官网上下载：CUDA Toolkit Archive | NVIDIA Developer
（只要对应到xx.x的版本就好了）
（注意:安装过程中一定要关注安装的路径或者自定义路径）
三个路径：
development；
documentation；
samples；
至此cuda以及安装完成了。
1.3cudnn的安装
官网：NVIDIA cuDNN | NVIDIA Developer
?选择download
?这里会要求你参加一个club，没有的化注册一个。
这个club并不会对你的后续操作进行限制。
选择注册：
?海外的网站会有一点慢，有条件的可以选择科学上网
?勾选 agree
点击release
?
找到对应你的cuda 的cudnn下载（不然的化后期不匹配会出现各种问题）?
安装结束后解压
（注意：请关注解压的路径）
解压后得到这三个文件
将解压后的所有文件复制粘贴到cuda的安装路径中；出现要求替换的点击同意。
至此cudnn的安装已经完成了
1.4cuda和cudnn的环境设置
?
?
?完成1.1-1.3的步骤后，在系统变量中会有
CUDA_PATH &?CUDA_PATH_VXX 两个变量（版本和你的有关）
接下来配置
1：CUDA_SDK_PATH = （samples的路径）/vxx
2:? CUDA_LIB_PATH =? ? %CUDA_PATH%\lib\x64
3: CUDA_BIN_PATH=%CUDA_PATH%\bin
4:CUDA_SDK_BIN_PATH=%CUDA_PATH%\bin\win64
5:CUDA_SDK_LIB_PATH=?%CUDA_SDK_PATH%\common\lib\x64
在path中添加以下4条：
再添加这四条：
（cuda的路径）\Vxx\bin;
? (cuda 的路径)\Vxx\lib\x64
? (samples的路径)\Vxx\commen\lib\x64
? (samples的路径)\Vxx\bin\win64
(注意版本号和你下载的有关)
?检查：
?进入命令提示符
输入nvcc -V 出现图示信息则完成
?
至此环境配置已完成
1.5tensorflow的安装
打开之前下载好的anacond prompt
输入pip list
?
?如果之前有下载好tensorflow但是没有安装好的
用pip uninstall + ()删除安装好的包
（正常情况下不用删除）
创建tensorflow的环境：
conda create -n tensorflowgpu?python=3.6
（环境名称为 tensorflowgpu python版本为3.6）
（python3.6为写文章当前tensorflow支持的最高版本）
输入activate -（环境名）进入环境
?
至此你的tensorflow-gpu环境已经安装好了
1.6 tensorflow-gpu环境的日常使用（pycharm）
打开pycharm,选择你要运行的文件
如图编辑解释器配置：
?进入后点击“+”新建
?在解释器选项中选择anaconda中设置的python3.6（tensorflow-gpu）：
?允许运行&apply：
?完成！
?（注意：每次运行前必须打开 anaconda prompt 输入 activate （环境名），不然没用）