在PyCharm中搭建深度學習環境，深度學習在當下最為受歡迎，非常适合學生黨在閑暇時刻作為自己的興趣來好好學習一下，下面，我把深度學習搭建環境步驟簡要的說明一下：
預備環境：Anaconda3
搭建環境 ：PyCharm + TensorFlow/TensorFlow-GPU + Keras
PyCharm Version 2020.2.1
TensorFlow Version 2.3.1
Keras Version 2.4.3
CUDA Version 10.1
cuDNN Version 7.6
用 PyCharm 建立 Python 環境
安裝 TensorFlow 2.3.1
安裝 Keras 2.4.3
下載下傳 cuDNN 并配置環境變量
運作驗證是否支援 GPU
需要提前安裝好 Anaconda 官網下載下傳位址：https://www.anaconda.com/products/individual
2.項目搭建好後點選 Terminal 打開終端
輸入指令 pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple/ ，從清華的鏡像源檢查 pip，確定 pip 為最新版，目前 pip 最新版為 20.2.3
輸入 TensorFlow 安裝指令 pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/ 安裝最新版的 TensorFlow，目前最新版的 TensorFlow 為 2.3.1
如果上面安裝不了或者下載下傳緩慢，可以試試這條指令，切換為阿裡鏡像源 pip install tensorflow -i https://mirrors.aliyun.com/pypi/simple
(如果出現問題的話可以在字元串最後一行加一個==admin()進行位址規範)
安裝之後可以運作以下代碼進行驗證：
import tensorflow as tf
print(tf.reduce_sum(tf.random.normal([1000, 1000])))
測試結果如下：
安裝Keras
繼續在 terminal 中輸入指令安裝 Keras pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple/ ，阿裡鏡像源指令：pip install keras -i https://mirrors.aliyun.com/pypi/simple
連結:
https://dhbxs.club/posts/37561f92.html#%E8%B8%A9%E5%9D%91%E8%AE%B0%E5%BD%95%EF%BC%9A-DLL-load-failed%EF%BC%9A%E6%89%BE%E4%B8%8D%E5%88%B0%E6%8C%87%E5%AE%9A%E7%9A%84%E6%A8%A1%E5%9D%97
安裝成功之後可以輸入以下代碼進行驗證：
import keras
這一步可能會遇到很多錯誤，但需要注意多試幾次，網絡是最為主要的因素，如果超出一個時間限制，也會錯誤。解決方案有三種，但建議提高時延來解決這個問題。如果沒有問題的話結果如下圖所示：
至此，TensorFlow 不帶 GPU 的版本和 keras 已經安裝完成，如需添加 GPU 支援，請繼續如下操作
因為電腦不一樣，安裝GPU時候也要注意，對應的顯示卡是否支援對應的版本。點選英偉達顯示卡來檢視自己的配置
最下方的系統資訊欄目點選，結果如下：
在元件一欄就可以自己的CUDA版本号以及其他配置資訊。我的配置為10.2是以隻能下載下傳10.2版本以下的環境來進行搭建。CUDA 10.1 官網下載下傳連結：
https://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
點選 Download 下載下傳(點選一次可能會出現請求失敗的 ERROR，重新點選就好了)
也可以點選這個連結直接下載下傳，或者将該連結複制到迅雷裡可以更快速的下載下傳，實測迅雷能跑到 10mb/s左右(我使用的是手記流量)：
https://developer.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.105_418.96_win10.exe
點開此連結下載下傳 cuDNN10.1 版本：
https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b
将下載下傳的壓縮包解壓出來，把 cuda 檔案夾複制到 C 盤根目錄
将以下路徑添加到系統環境變量中
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
C:\cuda\bin
在上文所建立的 pycharm 項目中，寫入如下 Python 代碼，執行代碼：
import tensorflow as tf
print(tf.reduce_sum(tf.random.normal([1000, 1000])))
結果如下：