Pycharmを使用してChainerをGPU環境で使用したい

Question

###前提・実現したいこと
Pycharmを使用してChainerをGPU環境で使用したい

###発生している問題・エラーメッセージ

Traceback (most recent call last):
  File "/home/hoge/PycharmProjects/ML/TELL/train_mnistttt", line 7, in <module>
    import chainer
  File "/home/hoge/.pyenv/versions/anaconda3-5.0.1/envs/py2/lib/python3.6/site-packages/chainer/__init__.py", line 15, in <module>
    from chainer import functions  # NOQA
  File "/home/hoge/.pyenv/versions/anaconda3-5.0.1/envs/py2/lib/python3.6/site-packages/chainer/functions/__init__.py", line 105, in <module>
    from chainer.functions.connection.dilated_convolution_2d import dilated_convolution_2d  # NOQA
  File "/home/hoge/.pyenv/versions/anaconda3-5.0.1/envs/py2/lib/python3.6/site-packages/chainer/functions/connection/dilated_convolution_2d.py", line 13, in <module>
    libcudnn = cuda.cudnn.cudnn
AttributeError: module 'cupy.cudnn' has no attribute 'cudnn'

Process finished with exit code 1

###該当のソースコード

from __future__ import print_function

import argparse

import chainer
import chainer.functions as F
import chainer.links as L
from chainer import training
from chainer.training import extensions



# Network definition
class MLP(chainer.Chain):

    def __init__(self, n_units, n_out):
        super(MLP, self).__init__()
        with self.init_scope():
            # the size of the inputs to each layer will be inferred
            self.l1 = L.Linear(None, n_units)  # n_in -> n_units
            self.l2 = L.Linear(None, n_units)  # n_units -> n_units
            self.l3 = L.Linear(None, n_out)  # n_units -> n_out

    def __call__(self, x):
        h1 = F.relu(self.l1(x))
        h2 = F.relu(self.l2(h1))
        return self.l3(h2)


def main():
    parser = argparse.ArgumentParser(description='Chainer example: MNIST')
    parser.add_argument('--batchsize', '-b', type=int, default=100,
                        help='Number of images in each mini-batch')
    parser.add_argument('--epoch', '-e', type=int, default=20,
                        help='Number of sweeps over the dataset to train')
    parser.add_argument('--frequency', '-f', type=int, default=-1,
                        help='Frequency of taking a snapshot')
    parser.add_argument('--gpu', '-g', type=int, default=-1,
                        help='GPU ID (negative value indicates CPU)')
    parser.add_argument('--out', '-o', default='result',
                        help='Directory to output the result')
    parser.add_argument('--resume', '-r', default='',
                        help='Resume the training from snapshot')
    parser.add_argument('--unit', '-u', type=int, default=1000,
                        help='Number of units')
    parser.add_argument('--noplot', dest='plot', action='store_false',
                        help='Disable PlotReport extension')
    args = parser.parse_args()

    print('GPU: {}'.format(args.gpu))
    print('# unit: {}'.format(args.unit))
    print('# Minibatch-size: {}'.format(args.batchsize))
    print('# epoch: {}'.format(args.epoch))
    print('')

    # Set up a neural network to train
    # Classifier reports softmax cross entropy loss and accuracy at every
    # iteration, which will be used by the PrintReport extension below.
    model = L.Classifier(MLP(args.unit, 10))
    if args.gpu >= 0:
        # Make a specified GPU current
        chainer.cuda.get_device_from_id(args.gpu).use()
        model.to_gpu()  # Copy the model to the GPU

    # Setup an optimizer
    optimizer = chainer.optimizers.Adam()
    optimizer.setup(model)

    # Load the MNIST dataset
    train, test = chainer.datasets.get_mnist()

    train_iter = chainer.iterators.SerialIterator(train, args.batchsize)
    test_iter = chainer.iterators.SerialIterator(test, args.batchsize,
                                                 repeat=False, shuffle=False)

    # Set up a trainer
    updater = training.updater.StandardUpdater(train_iter, optimizer, device=args.gpu)
    trainer = training.Trainer(updater, (args.epoch, 'epoch'), out=args.out)

    # Evaluate the model with the test dataset for each epoch
    trainer.extend(extensions.Evaluator(test_iter, model, device=args.gpu))

    # Dump a computational graph from 'loss' variable at the first iteration
    # The "main" refers to the target link of the "main" optimizer.
    trainer.extend(extensions.dump_graph('main/loss'))

    # Take a snapshot for each specified epoch
    frequency = args.epoch if args.frequency == -1 else max(1, args.frequency)
    trainer.extend(extensions.snapshot(), trigger=(frequency, 'epoch'))

    # Write a log of evaluation statistics for each epoch
    trainer.extend(extensions.LogReport())

    # Save two plot images to the result dir
    if args.plot and extensions.PlotReport.available():
        trainer.extend(
            extensions.PlotReport(['main/loss', 'validation/main/loss'],
                                  'epoch', file_name='loss.png'))
        trainer.extend(
            extensions.PlotReport(
                ['main/accuracy', 'validation/main/accuracy'],
                'epoch', file_name='accuracy.png'))

    # Print selected entries of the log to stdout
    # Here "main" refers to the target link of the "main" optimizer again, and
    # "validation" refers to the default name of the Evaluator extension.
    # Entries other than 'epoch' are reported by the Classifier link, called by
    # either the updater or the evaluator.
    trainer.extend(extensions.PrintReport(
        ['epoch', 'main/loss', 'validation/main/loss',
         'main/accuracy', 'validation/main/accuracy', 'elapsed_time']))

    # Print a progress bar to stdout
    trainer.extend(extensions.ProgressBar())

    if args.resume:
        # Resume from a snapshot
        chainer.serializers.load_npz(args.resume, trainer)

    # Run the training
    trainer.run()


if __name__ == '__main__':
    main()

###試したこと
・Anacondaをインストール、anaconda searchでパッケージを検索してインストール
→PycharmのProject Interpreterに出てこない

###補足情報(言語/FW/ツール等のバージョンなど)
より詳細な情報
OS:Ubuntu 16.04
Pycharm：2017.3.1
Python：3.6（Anaconda）、3.5（System）

コンソール上で上記ソースの.pyファイルを実行するとGPUにて動作する。

Answer 1

メッセージ見る限り、出てる通り、cudnnがインストールされてないことが原因です。

AttributeError: module 'cupy.cudnn' has no attribute 'cudnn'

コンソール上で動いているのであれば、cuda及びcudnnはインストールされているように思うので、pycharm上で参照されているpython環境が別物になっていて参照しているライブラリパスが違っているような気がします。
なので、cudaの構成がどのようになっているかを確認するのが良いと思います。
＃なんとなく、仮想環境側にもcuda環境が存在していて、そこにはcudnnが無いような気がする。