pycharm如何查看tensorflow是gpu 还是cpu_Tensorflow GPU版本在Windows下的安装指南！

网上关于这个问题的回答有很多，但大多不够全面而且具有跳跃性，需要很多篇综合起来才能解决问题，小白不容易看懂。而且好多都是针对自己的电脑而言，但实际情况是大家每个人的电脑配置可能千差万别，一个软件版本的不对应就可能导致最终的失败。我自己这两天踩过了很多坑，在此，我希望将自己积累的经验教训与大家分享。如果你对Tensorflow-gpu,CUDA,cuDNN,Anaconda，pycharm等名词毫无概念，看了很多安装指南仍然一片茫然，那么这篇相对而言比较全面的文章肯定能帮助你！！（本人也属于刚入门小白，如有一些地方解释不当或者错误，希望大家指出，也希望大家谅解，参考过的博客也都基本列举在了文中！）

主要内容：

• Win10（其它版本类似）下面的tensorflow-gpu安装详细步骤
• 每一步可能遇到的坑以及解决办法
• 对出现的一些软件进行简要解释以及提供学习途径
• Anaconda，pycharm的连接应用等

准备工作（主要是所需软件环境的搭建）：

安装tensorflow gpu版本要比cpu版本更复杂，因为我们事先必须先为电脑装上CUDA 和cuDNN，而CUDA则是成败关键所在。

• Anaconda（可选，建议装来学一下）
• CUDA
• cuDNN
• tensorflow-gpu

各个软件的简要介绍（有兴趣则看，建议看）：

Anaconda: Python的一款环境管理工具。详见（https://www.jianshu.com/p/eaee1fadc1e9）

CUDA 和CuDNN：详见（https://blog.csdn.net/u014380165/article/details/77340765）

关键步骤！！！

• 查询自己电脑的显卡型号：（如果不是英伟达的独显则不用往下看了，老老实实的用cpu吧）；查看自己的显卡所对应的CUDA版本。方法详见：https://jingyan.baidu.com/article/6fb756ec4fabc4241858fbf7.html。譬如：我的显卡是NVIDIA GEFORCE 830M,对应CUDA8.0。
• 查询Tensorflow不同版本要求与CUDA及cuDNN版本对应关系。见：https://blog.csdn.net/omodao1/article/details/83241074

譬如，据上我确定了适合自己电脑的版本：CUDA8.0，cuDNN5.1,tensorflow-gpu==1.0.1

具体操作流程如下：

1. Anaconda下载安装以及Python环境配置：

（或许有人问不装Anaconda行不行？行！一点问题没有，如果闲麻烦，忽略这一步，直接到python官网去下载相应的python安装包，一路next，中途勿忘添加环境变量到路径！cmd检验一下即可！自行百度）

Anaconda下载地址：https://www.anaconda.com/download/ 选择自己系统的版本下载。但这里容易找到的是最新版本的Py37，但目前安装tensorflow GPU建议使用python3.5/6。所以有两种选择：

1） 将就这个下载，安装完毕后重新添加Python3.5的环境。具体操作很容易，见后文

2）另寻他路，忽略上面的下载网址，请自行百度所需要的Anaconda版本（如搜 索：Anaconda python3.5安装包）。耐心一点，总能找到免费的。

Anaconda安装很容易，没有什么需要特别注意的地方。关键在于在Anaconda里面如何搭建一个自己的python环境，譬如，我就是下载了最新版本的Anaconda py37,而我现在需要的是py35的工作环境，那么我该怎么办呢？?这正好体现了Anaconda的强大之处。

• 打开Anaconda Navigator，点击Enviroments,点击creat，接下来按照提示操作即可！

构建完自己的环境，该如何使用呢？

打开自己电脑cmd,输入conda info --envs,如下图，可以看到里面有两个环境，一个base（自带的py3.7环境），另一个My_DeepLearing,也即为我自己创建的py3.5的环境.再输入activaten My_DeepLearing,即可进入Py3.5的工作环境。接下来的操作与在python环境下的操作完全一致。譬如，如果想安装numpy库，则pip install numpy，如图：

或许有人会问，pycharm和Anaconda什么关系，别急，文末会带大家将这二者联系起来！

到这一步，也就意味着Python环境搭好了！！！

2.CUDA下载以及安装（要命的一步，从下载开始就会一路是坑！！）

下载：百度搜索（CUDA xxx版本号下载）官网下载即可（是win几则按照提示选择即可，很简单，有问题的自行百度）！But,我打赌你多半会遇到每次辛辛苦苦下到百分之90则会自动下载失败。（泪奔！!! 迅雷？换浏览器换电脑？?No!我甚至在我的Ubuntu系统上面下载这个玩意儿，然并卵！不如把我头换了）如我下载的win10 CUDA8.0（但我其实是百度云盘找的资源，在此感谢那位好心人）

解决办法：简单粗暴！！去网上找吧，总有好心人免费分享的百度网盘链接，Good luck!

如果没有怎么办，CSDN到处都是，只不过要积分，充钱？No！此时还有最后一个办法,万能某宝上面2元一次的代下！稳如 。

安装：较为easy!但是注意的是记住你的安装路径，因为后面要用，我第一次安装后打死都找不到安到哪了，只好重装。最好不要自己定义路径，要定义会较为麻烦,容易给自己挖坑，因为这货会自动改为默认。实在忘了试试这个：C:Program FilesNVIDIA GPU Computing ToolkitCUDA

Next添加环境变量：一般来说，如果你安装过程不搞什么骚操作，环境变量会自己自动添加。自己添加也较为简单，自行百度！

接下来安装cuDNN,这个很简单，注意要找好与自己的CUDA对应版本，例如我的CUDA8.0对应了cuDNN5.1.百度搜索到官网下载（需要注册账号，流程简单），解压后！！将得到的三个文件（bin,include,lib）复制到C:Program FilesNVIDIA GPU Computing ToolkitCUDA这个目录下面!!

此时CUDA和cuDNN配置完毕

好的，此时，你离成功还有一步之遥，如果不出意外的话！

3安装tensorflow-gpu（最后一步）

直接 pip install tensorflow-gpu

或则：pip install tensorflow-gpu==版本号（如：pip install tensorflow-gpu==1.0.1）

注意：你可能会遇到的问题：pip 超时

解决办法：

pip --default-timeout=100 install -U tensorflow-gpu

如果一切顺利！恭喜你，可以测试一下是否成功了。

验证是否成功：

打开cmd，如果是Anaconda下的环境，参照上文，进入python环境。如果不是，直接在终端输入python，在下面编写简单代码测试：

import tensorflow as tf

a=tf.constant(2)

sess=tf.Session()

print(sess.run(a))

若输出为2，则意味着成功。还可以看到自己的gpu信息如下图：

接下来，就可以开启tensorflow之旅了！

文末彩蛋：pycharm与Anaconda连接

前面和大家提到过，Anaconda 所创建的任意python环境其实都是可以被pycharm利用的，在pycharm里面新建工程，点击file,下拉菜单选择setting，然后在里面选择project，下拉里面选择project interpretor,然后add，

点击add！出现如下界面

点击上图右下角寻找自己的Anaconda所在目录，在Anaconda安装目录的envs文件夹下面找到自己建立的环境添加python.exe即可！！例如我的就如下图，依次点击则添加完成，下图的My_DeepLearing是我建立的python3.5环境。

这时，就可以让pycharm来使用我们在Anaconda下所建立的环境了！！