问题描述
在使用Ubuntu 18系统的时候，有些用户可能会遇到pycharm无法调用tensorflow-gpu的问题。这将导致在pycharm中无法正常运行使用tensorflow-gpu加速的代码，影响开发和调试效率。本文将详细介绍解决这个问题的方法。
问题原因
在Ubuntu 18系统上，pycharm默认并不支持调用tensorflow-gpu。这是由于Ubuntu 18系统中默认安装的是OpenJDK 11，而pycharm在使用tensorflow-gpu时需要使用NVidia的CUDA库，而CUDA库与OpenJDK 11之间存在兼容性问题。因此，需要进行一些额外的配置以使pycharm能够正常调用tensorflow-gpu。
解决方法
1. 安装正确的CUDA和cuDNN
首先，您需要安装与OpenJDK 11兼容的CUDA和cuDNN版本。
根据您的显卡型号，前往NVidia官方网站下载并安装相应版本的CUDA工具包。安装完成后，您可以通过运行以下命令验证CUDA是否安装成功：
nvcc --version接下来，您需要下载并安装与您所安装的CUDA版本相匹配的cuDNN。您可以通过NVidia官方网站下载并安装。
安装完成后，您需要将CUDA和cuDNN所在的库路径添加到系统环境变量中。打开终端，并执行以下命令：
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
2. 配置pycharm
接下来，您需要在pycharm中进行一些额外的配置，以使其能够调用tensorflow-gpu。
打开pycharm，依次点击菜单栏的"File" -> "Settings"。
在"Settings"窗口中，选择"Project" -> "Project Interpreter"。
在"Project Interpreter"下拉菜单中，选择您想要使用的python解释器。如果您已经在虚拟环境中安装了tensorflow-gpu，则选择相应的虚拟环境。
然后，点击右上角的齿轮图标，选择"Add"。
在弹出的窗口中，选择"Conda Environment"。如果您没有使用conda创建虚拟环境，则选择"Existing Environment"。
在"Existing environment"中，找到并选择您所使用的CUDA安装目录中的python解释器。
点击"OK"，并等待pycharm完成解释器的配置。
3. 测试tensorflow-gpu
配置完成后，您可以测试一下pycharm是否成功调用了tensorflow-gpu。
在pycharm中，打开一个新的python文件，并输入以下代码：
import tensorflow as tf
print(tf.__version__)
print(tf.test.is_gpu_available())
点击运行按钮，查看控制台输出。如果输出的tensorflow的版本号和GPU可用性均显示正常，则说明pycharm已经成功调用了tensorflow-gpu。
至此，您已经成功解决了pycharm不能调用tensorflow-gpu的问题。您可以在pycharm中开发和调试使用tensorflow-gpu加速的代码了。
总结
解决Ubuntu 18中pycharm不能调用tensorflow-gpu的问题并不复杂，只需要安装正确的CUDA和cuDNN版本，并在pycharm中进行一些额外的配置即可。通过按照本文提供的步骤进行操作，您可以轻松让pycharm正常调用tensorflow-gpu，提高开发和调试效率。