Windows搭建TensorFlow GPU环境——无错详细完整版

前序

本文介绍的方法，可以说是超级快速、简单、bug率极低的深度学习框架搭建方法，适用于TensorFlow和Pytorch的GPU/CPU环境。【完全不需要自己装CUDA和cudnn】

前期准备

1. 一台带有Ubuntu/windows系统的电脑
2. 可以进行上网操作
3. 了解你自己的GPU显卡信息下载对应的驱动即可，附上一个安装显卡驱动的教程，我们这里只需安装驱动，不用自己安装CUDA和cudnn。
   Linux：https://blog.csdn.net/marleylee/article/details/70585751
   Windows：https://jingyan.baidu.com/article/19020a0a6f8f44529d2842af.html

1. 首先，我们需要下载Anaconda。

Python的编写环境，用Anaconda就够了【python2/3就对应Anaconda2/3，自己按需选择】。Anaconda是专业的数据科学计算环境，已经集成绝大部分包和工具，不需要多余的安装和调试，使用方便。
Anaconda官网：https://www.anaconda.com/download/ ，下载对应版本即可。

Windows：直接打开下载好的exe，按照步骤安装即可
Ubuntu： 可以按照这个教程安装即可： https://blog.csdn.net/ksws0292756/article/details/79143460

2. 下载好 Anaconda 后，就可以开始创建一个TensorFlow-gpu的环境。

首先，肯定是要启动你的Anaconda图形界面：

Windows：直接双击对应的启动图标即可
Ubuntu：鼠标右键打开终端，输入下面的命令行启动图形界面，有两种方式启动

方法一：

$ source ~/anaconda3/bin/activate root
$ anaconda-navigator

方法二：

$ conda install -c anaconda anaconda-navigator​
$ anaconda-navigator

然后，Windows和Ubuntu的操作就都一样了。

创建完成之后，Anaconda会自动下载一些必要的python包。

可以更改将python更改为你需要的版本

接下来，我们就要进入正题，安装TensorFlow-gpu的依赖包

接下来，我们可以选择自己项目需要的版本来进行安装


这样你的环境就搭建好了。

3. 最后，你就可以将其应用在你的pycharm上了。再附上一个测试代码。

1. 打开pycharm, 在右上角工具栏点击 File -> settings
2. 通过图片的步骤，在你的Anaconda\envs\TensorFlow文件夹下，找到你的python解释器，然后点击选择，OK即可。

** 这样你就可以开始使用搭建好环境的python了。**

附上一个测试例子，来检测你的成果。

import tensorflow as tf
test = tf.constant('Hello,TensorFlow!')
sess = tf.Session()
sess.run(test)
# b'Hello,TensorFlow!'

pytorch-gpu的方法和tensorflow-gpu同理，直接在Anaconda中搜索pytorch-gpu包即可