所需软件列表：

1. 最新的显卡驱动 下载地址
2. CUDA Toolkit 下载地址 （不要下载最新容易采坑！！！）
3. cuDNN 下载地址 （版本要与CUDA相对应）
4. 下载TensorFlow GPU

显卡驱动下载

可以在这里查看自己的显卡能力级 显卡能力级
注：建议乱七八糟的东西都安装上。（有其他博主说可以跳过这步直接装CUDA，CUDA里包含了最新的驱动，我没试过！！！）

CUDA Toolkit

注：安装CUDA之前确保安装过 Visual Studio 2017 下载地址

安装Visual Studio 2017需要勾选这几个选项

CUDA选项全部勾选

安装完成后会有提示。

接下来配置自己的环境变量：
PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;
PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\libx64;
PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;
具体路径根据自己的更改例如我装到了D盘：

设置后可以在CMD里输入nvcc -V

安装CUDA成功版本10.0
官网教程

cuDNN

下载这个需要登录帐号并且填一个问卷…

下载后解压：

将这三个文件夹里的文件，分别复制到CUDA对应的文件夹里。
Copy \cuda\bin\cudnn64_7.6.5.32.dll to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin.
Copy \cuda\ include\cudnn.h to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include.
Copy \cuda\lib\x64\cudnn.lib to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64.

官网教程

下载TensorFlow GPU

首先给pip换成清华源或者阿里源 教程
在CMD里下载TensorFlow GPU版本

pip install tensorflow-gpu==1.15

最后可以运行下列代码测试是否安装成功

import tensorflow as tfwith tf.device('/cpu:0'):a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
with tf.device('/gpu:1'):c = a + b# 注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
# 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

至此安装完成，因为我之后要使用Mask RCNN 所以TensorFlow GPU下载的版本不是很高，因此它有一些错误提醒，应该在更换CUDA或者GPU版本后会解决，这里我没尝试。