一、安装准备与对应信息

本人电脑是GTX1050显卡，所选择的版本CUDA9.0+CUDNN7.6+tensorflow-gpu1.10
官网下载太慢，打包在了百度网盘。（链接已更新）
本人分享的网盘：https://pan.baidu.com/s/169tdICW-FJh3l_gYWpaQtw
提取码：d74m
参考官网地址：
Windows端：地址
CPU

GPU

还有其他系统的在这个博客可以查看：查看地址

二、安装anaconda

下载地址官网：下载地址
选择相应的系统与版本。
网上与许多安装教程，这里就不给出了。

三、安装cuda9.0

官网各种版本的CUDA下载地址：
下载地址
选择9.0版本

选择与自己电脑相对应的版本，这里我选择的是本地安装，因为在线安装的话，后面下载可能会不成功。电脑下载实在慢的，还是使用手机下载，我没有科学上网还是很快。

开始安装
双击安装文件：

解压地址我选择的默认地址，反正是临时的，没什么关系。

点击ok开始解压，等待解压完毕。
开始会出现检查系统兼容性，一般都没有问题，点击下一步
（不要在意图片上的版本，按照标题版本来安装）

重点来了：这里千万不要选默认的精简，这里的精简应该改成全部才对（看下面的小字说明，这就是全家桶），倒不是说安装全家桶不可以，主要是有一个东西的安装会一直导致安装失败。

特别是这个CUDA下的visual studio integration千万不能选！

原因可能是是电脑里面安装了VS

其余都没什么问题。

如果最后出现很多未安装和安装失败的字眼，可以将下面的勾选去掉 。

我就是这样安装成功的！！！
点击下一步，安装位置选择默认的好点，自定义的话可能会出现一些问题导致安装失败。
验证是否安装成功
1.环境变量应该已经自动加好

2.cmd里查看版本信息nvcc -V

3.进入到路径下后查看GPU运行时的监测界面

4.进入下面图片的路径，然后按住‘shift’+鼠标右击，点击’在此处打开powershell窗口‘，输入： .\bandwidthTest.exe 返回Result=PASS

同理输入：.\deviceQuery.exe 返回：Result=PASS,说明安装成功了。

四、安装cuDNN7.6

官方各种cuDNN下载地址：下载地址
cuDNN称不上安装，只需要将下载下来的压缩包解压后，将对应文件夹的文件放到CUDA安装路径下的对应文件夹里即可。

我们将其中’bin‘中的’cudnn64_7.dll‘拷贝到cuda9.0安装路径下的bin文件夹中，cuda文件夹的路径如图所示：

然后将cudnn中include下的’cudnn.h‘拷贝到cuda文件夹中的include的文件夹中
同理，cudnn文件中的’lib/x64’中的‘cudnn.lib’拷贝到cude文件中的’lib/x64’中

五、安装tensorflow-gpu

我们在windows的‘所有程序’中找到安装的Anaconda程序中的Anaconda prompt，单击打开：

在命令行中使用命令：

conda create -n tensorflow-gpu python=3.6

安装python3.6 的tensorflow-gpu环境，可以在anaconda/envs文件夹中看到，和之前创建的python3.6环境在一起。（我之前是重新创建了python3.6）
使用下面命令查看环境是否安装成功：

conda info --envs

出现tensorflow-gpu，发现成功！！

然后输入下面命令来激活tensorflow环境：

conda activate tensorflow-gpu 

前端出现下面字样：

先更新一下pip工具，输入命令：

python -m pip install --upgrade pip

（不是必要的）

然后安装tensorflow-gpu，我们需要指定我们需要的版本，直接安装是最新的不兼容。
安装命令：

pip install tensorflow-gpu==1.10.0

如果上面命令不行的话，我指定的豆瓣源：

pip install tensorflow-gpu==1.10.0 -i https://pypi.douban.com/simple

下载贼快。
然后安装成功。
关闭tensorflow-gpu环境，输入：

conda deactivate

六、在anaconda下载Jupyter-notebook

在anaconda中选择刚刚创建的环境tensorflow-gpu

点击install（我这个是下载好的，所以显示launch，未下载的应该显示的是install。
多次安装不成功的话，换手机热点试试。）

安装成功后：

接下来打开它，使用代码验证gpu是否成功能够运行：
①第一种方法

import tensorflow as tf
tf.test.is_gpu_available()

②第二种方法

import tensorflow as tf
if tf.test.gpu_device_name():print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:print("Please install GPU version of TF")

结果展示：

发现是使用的gpu！！！