因為cpu跑資料太慢，考慮用gpu，公司有臺Tesla P100的伺服器，也是很棒。

過程中遇到很多坑，最終總結步驟如下：

1.安裝anaconda3

2.安裝pycharm專業版，啟用方法自搜，一般用啟用碼

3.進入pycharm建立工程，編寫自己的python指令碼，並在settings中設定工程的python直譯器，建議用虛擬直譯器，模板可以用anaconda3的，這樣不會影響Windows環境的python配置

4.pycharm本身提供了cmd可以安裝一些自己指令碼需要的包，用pip就好了，檢視目前的各個包版本可用 conda list

5.安裝GPU支援時注意順序和相容性：

5.1.先裝TensorFlowgpu，安裝時會顯示支援的cudnn版本，注意記錄版本，因為cuda和cudnn版本必須相容

5.2.解除安裝並安裝nvidia顯示卡驅動，禁用集顯，完成後用nvidia smi檢視是否成功

5.3.安裝cuda，和我的tensorflow版本相容的是cuda9.2，官網下載適合自己的版本sudo dpkg -i裝一下

5.4.安裝cudnn，https://developer.nvidia.com，需要註冊，可以用在網站搜尋cudnn下載，不然自己會比較難找（我瞅了一分鐘愣是沒找到），有三個東西可以裝，runtime和developer 的library是必須裝的，第三個是說明文件。此外，示例也可以裝一下，我在安裝時遇到相容問題，所以就在windows裡面解壓，把工程用xftp拷過去編譯運行了一下。

之後有測試了一下自己的cnn mnist程式，一個訓練週期的時間從13s變成了3s，提升還是很明顯的。

5.5可以