深度学习环境部署：win10+python3.6+PyCharm2019.1.1+tensorflow1.9-gpu+cuda9.0+cudnn7.5

相关资源下载

链接: link.

里面提供Anaconda3-5.2.0-Windows，cuda9.2，cudnn7.6和tensorflow_gpu-1.9.0-cp36-cp36m-win_amd64.whl的百度云盘下载链接。（关于cuda和cudnn，请看完后面的问题解析，再慎重选择下载安装！）
各个步骤安装过程的详细截图：《Windows10下Python3,CUDA9,Cudnn7和tensorflow配置》，链接: link.

PyCharm2019.1.1安装

安装地址和步骤，链接：
链接: link.

配置PyCharm

新建工程后在Setting–Project Interpreter选择tensorflow下的Python解释器。

tensorflow_gpu-1.9.0-cp36-cp36m-win_amd64.whl安装过程中遇到的问题

1. 下载tensorboard，protobuf等依赖包，因为链接到国外网站，网速太慢且容易断开，总是失败

解决办法：
在Pypi网页上下载离线版的依赖包，将.whl放入Anaconda3/env/tensorflow中。利用pip进行安装。
网页链接: link.

详细步骤：
cd进入tensorflow根目录，然后**tensorflow，指令：activate tensorflow，pip install ×××.whl

2. Could not find a version that satisfies the requirement Werkzeug>=0.15 (from tensorflow-gpu-1.9.0)的解决

用镜像网站，pip install 安装包名字 -i http://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com（图中直接pip install tensorflow-gpu-1.9.0），成功且迅速地下载tensorflow及其附带的依赖包。

查看已安装的包：

3. 安装成功后，import tensorflow as tf仍提示找不到对应模块

ImportError: Could not find ‘cudart64_90.dll’， 网上看了一下别人的答案，说是tensorflow_gpu和CUDA版本号如果不对应，可能有不兼容的风险。目前1.x 版本的 tensorflow-gpu 只适合 cuda 9.0。解决：下载CUDA 9.0,一定要下载对应的版本，然后安装。

4. Cuda9.0安装过程中，提示没有对应的Visual Studio版本，安装失败

由于英伟达cuda等程序需要编译，要使用Visual Studio C++ 的运行环境。
VS下载及安装参考链接：link.

5. 为了防止tensorflow-gpu+cuda+cudnn再次出现版本不对应的情况：

需要选择对应自己NVIDIA驱动版本的cuda，查看自己驱动版本的方式如下：打开cmd，使用cd命令进入：C:\Program Files\NVIDIA Corporation\NVSMI，输入“nvidia-smi”， 根据下面表格找到可以使用的cuda版本，

进入cuda下载网站（历史版本），这里给出网址 https://developer.nvidia.com/cuda-toolkit-archive找到对应的版本号进行下载，下载类型选择local。安装结束，在cmd中输入nvcc -V即可查看是否安装成功，此时应该会跳出安装的cuda的版本号。

注意：重装cuda和cudnn之后无需再重新安装tensorflow-gpu！

cudnn下载地址：https://developer.nvidia.com/rdp/cudnn-download（这个网址下载飞快，注意：cundn的版本必须和cuda对应，不然会出问题）

目前，我电脑上的驱动是10.2版本：

如果在安装cuda9.0的过程中，提示安装后无法达到最佳性能，此处可以暂时忽略，继续选择安装。PS：针对不同代码，要求不同的tensorflow版本，此时需要不同版本的cuda，后续可以了解一下创建Anaconda的虚拟环境来配置多个深度学习环境。