作為一名穀粉再加上最近研究深度學習，不得不說TensorFlow是一個很好的切入點，今天看了下官方教程踩了幾個坑後，終於在PyCharm上起飛了，廢話不多說下面開始搭建環境吧。(此教程Win10，8.1和7都適用，只需下載不同的安裝檔案即可)

1. 確定安裝版本

• CPU版：如果你的電腦沒有NVIDIA的顯示卡的話，你就必須選擇安裝這個版本，不過這個版本的安裝要比GPU版的簡單，官方也推薦先用CPU版的來體驗。

• GPU版：TensorFlow在GPU上執行要比CPU上快很多，如果你的GPU能夠達到要求就可以選擇安裝GPU版。

• GPU版的安裝要求

  • CUDA® Toolkit 8.0
  • CUDA® Toolkit 8.0的相關驅動(這個在安裝程式裡會帶)
  • cuDNN v5.1
  • 確認你GPU的CUDA的計算能力高於3.0(NVIDIA官方支援的對照表這裡)

2.安裝準備

• CUDA® Toolkit 8.0
• cuDNN v5.1
• Anaconda 或者原生的pip

• PyCharm(可選)

  P.S:這裡的Python版本一定要選3.5.X，寫這篇部落格的時候官方在Windows平臺上只支援3.5.X。若選擇了其他版本有可能會報* Could not find a version that satisfies the requirement tensorflow-gpu (from versions: ) No matching distribution found for tensorflow-gpu*

  之類的錯誤！
  若已經選了Python的其他版本，現有的解決方案如下(Anaconda辦法)：
  P.S：一行一行的執行
  實際上這裡是Anaconda多版本Python管理工具，詳細見這裡

    conda create --name tensorflow python=3.5
    activate tensorflow
    conda install jupyter
    conda install scipy
    pip install tensorflow
    # or
    # pip install tensorflow-gpu

這樣就會把你的機器上Python的版本改成3.5了

3.安裝過程

• 下載安裝Anaconda，新增環境變數
  在Path下新增Anaconda3的路徑。例如F:\Anaconda3

• 安裝CUDA® Toolkit 8.0
  安裝完成後檢查是否安裝成功：
  

• cuDNN v5.1解壓後將其路徑新增進環境變數Path中
  

• 本地pip方法
  安裝CPU版本：

    C:\> pip3 install --upgrade tensorflow

安裝GPU版本：

    C:\> pip3 install --upgrade tensorflow-gpu

• Anaconda
  開啟Anaconda自帶命令列工具Anaconda Prompt輸入以下命令：

1.建立一個Conda環境
C:> conda create -n tensorflow
2.啟用Conda環境 
C:> activate tensorflow

裝CPU版本：

    pip install --upgrade tensorflow

安裝GPU版本：

    pip install --upgrade tensorflow-gpu

安裝好後如下圖：

4.配置PyCharm

習慣了使用JetBrain系列開發工具，於是選用PyCharm來開發，配置如下：
新建工程後在Setting–Project Interpreter選擇tensorflow下的Python直譯器，例如我的直譯器位置：

等部署完後便可跑個HelloWorld了

import tensorflow as tf

hello = tf.constant("Hello!TensorFlow")
sess = tf.Session()
print(sess.run(hello))

執行一下

起飛！

P.S:這裡有可能會出現找不到cudnn64_5.dll的現象，解決方法如下：

X:\cuda\bin\cudnn64_5.dll  複製到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
X:\cuda\include\cudnn.h 複製到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include
X:\cuda\lib\x64\cudnn.lib 複製到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

補充幾個遇到的錯誤：
- Unable to load cuDNN DSO. 這個是因為裝了高版本的cuDNN，而TensorFlow暫時不支援
解決方案：去NVIDIA cuDNN下載低版本的cuDNN。解壓配置好後再重複上面的複製檔案即可。

5.更新TensorFlow

直接在Conda環境下再次執行

    pip install --upgrade tensorflow-gpu

執行成功後會自動解除安裝前一個版本然後安裝新版本