前几天借用老师的远程服务器训练模型，由于tensorflow目前只支持cuda10.0，而服务器上已经装了cuda10.2，所以要重新配置GPU环境。这个时候可以另外下载安装cuda10.0，像网上大部分教程一样，修改环境变量指向自己的文件夹。
但也有另一种方法：使用anaconda自动配置cuda与cudnn，然后用pycharm导入anaconda环境，这既极大简化了下载安装cuda与cudnn，又可以同时管理多个版本的cuda。
——————————————————————————————————————————————————————
首先在清华镜像软件站下载安装anaconda，具体操作可以参考下面链接：
https://blog.csdn.net/qq_15192373/article/details/81091098
然后创建一个新的python虚拟环境，每个环境的python包与cuda是相互独立的，这就很方便我们同时管理多个版本的包与cuda。同时，使用anaconda安装第三方包时会自动配置相关需要的其他包，因此我们只需要在这个环境里安装tensorflow-gpu，anaconda便会自动配置好相应版本的cuda与cudnn，如下图所示：
具体命令可以参考这篇文章：
需要的python环境配置好后，最后一步只需要把这个环境导入到pycharm里就可以了：
打开pycharm，ctrl+alt+s打开project interpreter，在conda environment里选择之前创建的虚拟环境就OK了（图是windows所以没有选择）。
值得一提的是，导入进Pycharm里的环境也可以通过project interpreter管理第三方包，这相当于结合了pycharm和anaconda的便利性。