安裝環境：ubuntu16.04+cuda9+cudnn7+tensorflow+pycharm
1）前期搭建過程主要是按照這篇博文，對於版本選擇，安裝步驟都講得很詳細，親測有效！
https://blog.csdn.net/qq_35976351/article/details/79325476
2）pycharm的安裝很簡單，這里沒有通過命令行安裝，直接去官網下載，參考這篇博文
https://blog.csdn.net/zhuanshu666/article/details/73554885
（ps：這篇博文上安裝的是professional版，我安裝的是community版。官網上定義的professional版本是full-featured IDE for Python&Web development，Community是Lightweight IDE for Python & Scientific development，community能滿足我的需求了。但是安裝步驟是一樣的，只是省去一些步驟，選項我都是采用默認...）
安裝好后，之后運行，在安裝包的bin目錄下運行如下命令：
sh ./pycharm.sh
運行之后，可以在菜單欄選擇lock在啟動項，以后就可以直接點圖標進了~~
3）anaconda3的搭建與使用
最近在精讀一篇論文，看到它里面代碼提示說環境的搭建可以通過anaconda3來實現。之前在寫ml大作業的時候在自己筆記本上搭tensorflow的時候就是按着教程什么順序都沒縷清一頓瞎搭，現在有了一定的理解。
anaconda上集成了許多深度學習的python包，可以在anaconda上面建立一個python環境，然后通過anaconda直接在上面加上所依賴的包，比如tensorflow、keras、sklearn等。然后在pycharm里面就可以直接選擇在anaconda3里面搭建的python環境了，選擇的是conda environment。
anaconda的環境搭建也非常簡單，參考的是這篇博文：
https://blog.csdn.net/daydayjump/article/details/78714001
但是安裝之后，在終端輸入conda list測試，就會提示conda未找到命令。
只需要在終端輸入這幾句命令就ok了！
echo 'export PATH="/home/ly/anaconda3/bin:$PATH"' >> ~/.bashrc #在.bashrc文件中插入 source ~/.bashrc #使.bashrc生效
然后在輸入conda list測試，生效！
ps.但是沒有anaconda也可以集成環境，也可以集成keras和sklearn這些環境，就是比較麻煩。
就是在終端中，找到該項目現在所使用的python環境，然后通過以下命令安裝相應的包：
pip install -U scikit-learn
pip install keras
或者在pycharm里面可視化install也可以滴！
================================================
記錄一下搭建過程中出現的一些問題以及相應解決方案：
1.在import tensorflow as tf進行測試時，報這個錯：
Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
意思是說，tensorflow版本太低了，沒有通過兼容AVX來Compile，但是電腦版本可以通過。
有兩個解決方案：
1）https://github.com/lakshayg/tensorflow-build 這有別人編譯好的，可以下載源代碼在電腦上重新compile
2）簡單粗暴地忽略這個警告...
在最頂行寫入如下代碼:
import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
2.裝好tensorflow之后，怎么在pycharm里面用呢？
1）按照之前的tensorflow安裝教程，通過在終端輸入如下命令使用tensorflow，再在當前tensorflow環境下查詢對應的python位置
source ~/tensorflow/bin/activate #使用tensorflow
which python #查看當前tensorflow搭在哪個python路徑
2）打開pycharm->File->Settings
在project interpreter右邊的add local，將python環境切換為按照第1）步查找的路徑就ok了。