要配置Tensorflow的GPU版本，需要先配置好CUDA和cuDNN。由于我要配置Tensorflow的1.4.0版本，所以选择的是CUDA8.0和cuDNN v6.0版本。具体需要怎么选择可以参考下图(图片来源于博客：https://blog.csdn.net/weixin_39704651/article/details/79605585)：
关于CUDA8.0和cuDNN v6.0的配置可以参考我前面的博客：
在进入本文的步骤之前请先确保CUDA和cuDNN的正确安装。
1、Anaconda的安装
参考博客：https://blog.csdn.net/Super_jm_/article/details/78397074
这里我选择的是基于Python3.5的Anaconda3，根据官网的描述，4.2.0版本的anaconda是内置Python3.5的。到这个网页寻找对应的版本，即Anaconda3-4.2.0-Linux-x86_64.sh文件。
下载完成后，进入到下载保存目录，执行如下命令进行安装：
bash Anaconda3-4.2.0-Linux-x86_64.sh
一路yes下来就行了。安装完后记得查看~/.bashrc文件中是否添加了anaconda的路径，如果是一路yes下来的话是自动添加了的。如果没有的话，需要手动添加：
export PATH="/anaconda3的安装路径/bin:$PATH"
记得根据自己的实际情况，填写anaconda3的安装路径。之后source一下使其生效：
source ~/.bashrc
在终端输入python之后，如果输出如下图，则安装成功。
2、更换pip源、conda源、apt-get源(可选操作)
换源可以加快命令使用时的下载速度，但可能会带来不必要的麻烦，可以自己权衡利弊做决定。
1）更换pip源
cd sudo mkdir .pip sudo vi ~/.pip/pip.conf
在新建的pip.conf文件中添加如下内容：
[global] index-url = https://pypi.douban.com/simple
然后按下esc键，输入:x或者:wq，回车保存并退出，这样即可将pip源更换为国内豆瓣镜像。
2）更换conda源
sudo vi ~/.condarc
输入以下内容：
channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - defaults show_channel_urls: true
然后按下esc键，输入:x或者:wq，回车保存并退出。
3）更换apt-get源
这里我把apt-get源换成了中科大的镜像。
首先备份旧的文件：
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
然后修改文件：
sudo vim /etc/apt/sources.list
在文件的开头或者结尾处添加以下内容：
deb http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse deb http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial main restricted universe multiverse deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-security main restricted universe multiverse deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse deb-src http://mirrors.ustc.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse保存退出即可。
3、通过Anaconda安装Tensorflow
首先需要新建一个conda环境，命名为tensorflow-gpu：
conda create -n tensorflow-gpu python=3.5
要注意Python版本需要写对。
待创建完成之后可以使用以下命令管理这个环境：
source activate tensorflow-gpu #激活环境 source deactivate tensorflow-gpu #关闭环境
在激活环境的情况下输入以下命令进行安装tensorflow的gpu版本：
pip install tensorflow-gpu==1.4.0
1.4.0即为版本号，可以自己更改。安装tensorflow的CPU版本的话就把上面的tensorflow-gpu换成tensorflow。
之后等候安装即可。安装完后会提示pip的版本有点低，需要更新，安装它给的提示命令进行更新即可。
接着，在环境激活的情况下，输入python，然后输入
import tensorflow as tf
如果不报错的话，说明安装成功。
也可以试一下下面这个稍微完整一点的代码：
import tensorflow as tf hello = tf.constant(‘hello tensorflow!’) sess = tf.Session() print(sess.run(hello))
用完之后记得要关闭环境！！！
4、PyCharm的安装及配置
1）PyCharm的安装
首先去官网下载PyCharm的community版本。
下载完成后，解压到想要安装的目录，然后执行以下命令进行运行：
# 假设已进入pycharm的解压目录 cd bin bash pycharm.sh
然后就是一些基础设置了，完成之后可以看到以下界面：
为了以后使用方便，可以将pycharm的路径添加到~/.bashrc文件中：
vim ~/.bashrc
在文件末尾添加：
export PATH=/pycharm的解压路径/bin:$PATH
记得更改好路径，保存退出，之后再source一下使其生效。之后就可以直接在终端输入pycharm.sh即可启动PyCharm了。
2）PyCharm的配置
打开PyCharm之后，点击右下角的Configure，选择Settings，在左侧选择Project Interpreter，然后点击右侧面板的小齿轮，选择Add...，在弹出的窗口左侧选择Conda Environment，接着选择Existing environment，这时候它会自动识别出刚刚创建好的conda环境，然后勾选Make available to all projects，点击OK即可。
创建新项目的时候注意选择好Project Interpreter，因为刚刚的设置可能会不能应用到新项目，需要手动选择一下。
接下来就可以开始学习Tensorflow了！