2018年初，谷歌在 GitHub 上正式發佈了 TensorFlow 的最新版本 1.5.0，並開源了其代碼。支持 CUDA 9 和 cuDNN 7 被認爲是本次更新的最重要部分。
寫在前面：檢查GPU是否支持CUDA
先確定下自己的顯卡型號（不要告訴我你不知道怎麼查看自己的顯卡型號）。
可以從下面的網址查看自己的顯卡是否在支持之列。
如果你的顯卡比較新，到這裏檢查是否支持CUDA：https://developer.nvidia.com/cuda-gpus
如果你的顯卡很老，請到如下鏈接檢查是否支持CUDA：https://developer.nvidia.com/cuda-legacy-gpus
注意筆記本和desktop的區別。
一、安裝CUDA
1、下載CUDA相應版本：https://developer.nvidia.com/cuda-downloads
如果需要下載CUDA的歷史版本，請到這裏：https://developer.nvidia.com/cuda-toolkit-archive
下載好安裝包後，打開直接點擊‘next’下一步進行安裝，安裝路徑默認爲C盤就好。
2、安裝程序結束後，進行環境變量配置
①右擊“我的電腦”，選擇“屬性”，點擊“高級系統設置”
②選擇“環境變量”，在“系統變量”框中找到“path”，點擊選中，並點擊“編輯”按鈕
③點擊“新建”按鈕，將下圖框出的四條路徑添加進去（若已經含有的路徑，可不用重複添加），然後“確定”。
至此，CUDA安裝完畢。
二、安裝cuDNN:
1、cuDNN下載，下載時需要註冊之類的，爲方便大家下載，筆者也上傳至百度雲供大家方便下載。
官方下載地址：https://developer.nvidia.com/rdp/cudnn-download
筆者上傳百度雲地址（若地址失效請留言，版本爲cudnn-9.0-windows10-x64-v7）： 鏈接: https://pan.baidu.com/s/1jJG6yNW 密碼: u7fg
2、解壓壓縮包，把壓縮包中bin,include,lib中的文件分別拷貝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0目錄下對應目錄中
3、把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\CUPTI\libx64\cupti64_80.dll
拷貝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
至此，cuDNN安裝完畢。
三、安裝TensorFlow-gpu
如果之前安裝了TensorFlow的CPU版本可使用命令pip uninstall tensorflow 進行卸載。
打開命令提示符，使用命令pip install tensorflow-gpu 進行安裝。
另：筆者使用的是python3.5，若有需要對應的anaconda的請留言。