錯誤
事實告訴我們，有些坑必須自己走
順序所需我們都懂：cuda、cudnn、python（anaconda）、tensorflow，但是
坑 1：python：報錯encording，
不知什麼時候手欠刪除了pythonhome，可加上之後，對anaconda中不同python版本，pycharm選擇不了（就pythonhome仍保存，只是路徑隨便設了一個），第一個問題解決了
坑2：不要用anaconda中的tensorflow包，只到1.8.0，不能自動對應版本
我簡直是栽在這個坑上了。在我後面有的網絡沒有跑通，一直報cudnn，新手的我，簡直mmp，因爲想着它不對應我的cuda、cudnn，而且anaconda裏怎麼又cuda，簡直一個頭兩個大。其實anaconda裏面tesorflow1.8下載的時候，自己下載配置了相關的cuda9，及cudnn，所以相當於自己集成了一個環境，也是可用的，不過有點老（參考博客1）
環境變量：
坑3：版本一定要對應
最後我裝了python3.69+tensorflow1.14.0+cuda10.0+cudnn7.6
（這個圖估計比較老，新版tesorflow10.1也可用，但是cuda不要超過nvdia控制面板裏面的組件cuda.dll對應的，氣死我了，因爲cuda10.0當時死活下不下來，我用了最新10.1.幾，反正超過了我那個10.1幾，就報錯裏，又又卸載下來重配了cudnn、cuda）
環境變量：
這裏主要用到前三個變量，後面的是cuda例子，測試cuda
也可以直接寫入path（寫的比較全，以防有問題，其實主要是目錄、bin、lib）
坑4 .下載太慢用鏡像
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.13.1
或者去python給出的網站https://www.lfd.uci.edu/~gohlke/pythonlibs下載輪子，pip install 包位置，這種情況下用其自帶的prompt中安裝，方法仍然pip（不要用cmd下，容易引起混亂）
坑5.報numpy相關錯誤或着警告
1、相關錯誤警告，百度，最後安裝了numpy-mkl，並upgrade最新解決了。千萬不要刪除再安裝，因爲tensorflow會安裝相關包，我之前想着就是先卸載再安，結果各種錯誤不斷，這是因爲numpy、sci、pillow有依賴關係。（不行的話就卸載tensorflow重安或者換個Python版本）
2、警告
感覺不好看，就百度一下解決，說卸載numpy再安裝，結果就上面問題，…
坑6 cudnn initialize失敗、不能created
有時候不是環境的問題，可惜小白一直懷疑，其實我也懷疑是gpu，可是網上代碼一直沒解決，今天在ssd代碼看到這個，才能用，加上：
內存不夠
終於環境好了，可以安心學習，不再懷疑環境上了。