零.预备条件

个人硬件环境：E3-1231V3+GTX970（4G）
个人软件环境：WIN7 SP1 64位（WIN10同理）

一.安装Anaconda Python3.7并配置Python3.6的环境和其下必要包

主要是用这个东西似乎管理起来方便一丢丢…
官方下载链接：Anaconda 2018.12 for Windows Installer Python 3.7 version

安装过程中把加入系统路劲的那个英文选项勾上。
打开Anaconda Python3.7点击Create，选择python 3.6，名字方便点起为py36
Create好后点击py36标签激活加载它，点击绿色箭头，选择open Terminal
在这个Terminal中安装keras、tensorflow-gpu、numpy（注意是gpu版本），安装命令如下（把pip换成conda应该也可以）：
1
2
3
pip install keras
pip install tensorflow-gpu
pip install numpy
安装完后用pip list查看安装安装情况

如果后期有提示什么version问题的，尽可能把这三个包括pip本身升级到最新版再试试。

二.安装CUDA9.0和对应版本CUDNN并测试
CUDNN的版本一定要对应CUDA，不然可能出问题。
下载地址：
CUDA 9.0
CUDNN 7.3.1.20
有时候安装CUDA报错也许是vs的那个关联组件安装失败，在安装的时候选项选自定义，然后把vs的那个integration那一个东西取消安装就行（因为我用pycharm而不用vs）
按照网上教程把CUDNN三个文件夹下的内容分别复制到CUDA的对应三个文件夹下
设置好CUDA的环境变量里的路径，我按照网上的某个教程是这样的
测试cuda是否安装好及环境变量是否设置好
在刚才的Terminal或者直接系统本身的cmd里输入nvcc —version，如果出现这样的提示，说明安装正常

三.安装Pycharm（社区免费版）并测试tensorflow-gpu代码
下载地址：JetBrains PyCharm Community Edition 2018.3.4 x64
安装好之后新建项目，在项目里这样新建一个测试的代码文件

然后把以下代码复制进去

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

此时不能直接运行，点击界面的File-Settings-Project:你的包名-Project interpreter-

点击小齿轮-选择add

在跳出来的界面中选择Existing environment

选择一开始安装的py36环境对应的文件夹下的python.exe，我的路径：
然后等待一下等upgrade和indexing完毕之后，在代码文件这里按ctrl+shfit+F10运行文件。如果跳出下面的提示，则成功用到了tensorflow-gpu

另外如果出现了numpy的版本什么0xb和0xc的报错，则去anaconda\envs\py36\Lib\site-packages路径下把与numpy有关的三个包文件夹删掉，然后重新在py36的Terminal里安装numpypip install numpy