本文寫的比較簡單，期間遇到的一些小麻煩，自己不認為成為阻礙，所以沒有詳細寫。
如有疑問可以聯系QQ：2922530320
Pycharm
Pycharm使用Anaconda
Pycharm 在新建項目的時候可以指定Conda環境，前提是已經安裝了Conda。
如果創建項目的時候沒有指定conda環境:
Setting => Project => Project Interpreter 里面修改 Project Interpreter , 點擊齒輪標志再點擊Add Local為你某個環境的python.exe解釋器就行了
Anaconda
Anaconda 安裝包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下載。
如果pip安裝軟件包速度很慢，可以使用清華的鏡像庫
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
介紹：Anaconda會創建一個獨立的python環境，針對某個應用下載其需要的依賴包，並保存在一個自定義的目錄(目錄名通過Anaconda創建項目時指定)，之后我們在Anacoda的環境中編寫代碼，代碼引用的包就是Ananconda為此項目獨立下載的包，不會影響到宿主機和其他環境。
比如你要在learn環境中編寫程序, 那么就修改為~/anaconda3/envs/learn, 可以看到這時候下面的依賴包也變成了learn環境中的包了.接下來我們就可以在pycharm中愉快的編碼了.
常用的命令
查看所有的環境
conda env list
安裝第三方包
conda install requests
或者 pip install requests
卸載第三方包
conda remove requests
或者 pip uninstall requests
查看環境包信息
conda list
導入導出環境
conda env export > env.yaml
conda env create -f env.yaml
切換環境
activate python35 #Windows
source activate python35 #linux&Mac
創建環境
conda create -n <env_name> python=3.6
創建一個環境，指定環境名稱，並指定使用的python版本
刪除環境
conda remove -n <env_name> --all
刪除環境以及下屬的所有包
安裝Tensorflow
1、正常流程大概是第一步這樣的，但是，我們一般不走尋常路。
tensorflow目前為止支持到cuda9.0，而ubuntu18.04上默認的cuda是9.1，安裝方式很簡單：sudo apt install nvidia-cuda-dev。本人懶的重裝cuda，因為還要降級gcc到6.0。既然官方不支持，就找非官方的。所以跳過第一步（其實第一步也不完整）。
在anaconda環境下執行
pip install tensorflow-gpu
cuda歷史版本下載
https://developer.nvidia.com/cuda-toolkit-archive
具體執行命令和安裝方式在下載的地方已經有說明了。
2、網上大神已經編譯好的tensorflow，目前已經更新到1.8了。
https://github.com/mind/wheels/releases/
有三個版本，cp27，cp35和cp36，分別對應的是python2.7,3.5和3.6。
下載[TensorFlow 1.8 (GPU, CUDA 9.1, cuDNN 7.1, no MKL)]這個標題下面的包。
在自己的anaconda環境安裝下載好的tensorflow
pip3 install 上面下載的 .whl 文件
cuDNN安裝
官網下載需要注冊，網上有人提供了下載好的。
鏈接: https://pan.baidu.com/s/1DiQYF8KFnuwfVDnmlxBw7w 密碼: ga6s
tar -xf cudnn-9.1-linux-x64-v7.1.tgz
cd cuda
sudo cp include/cudnn.h /usr/include/
sudo cp lib64/* /lib/
最后一步
重啟系統