說明：只有NVIDIA顯卡才支持用GPU跑TensorFlow。在https://developer.nvidia.com/cuda-gpus查詢GPU是否支持CUDA，一般要計算能力在3.0以上才適合。
1，CUDA下載：
CUDA(Compute Unified Device Architecture)，是顯卡廠商NVIDIA推出的運算平臺。 CUDA™是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決複雜的計算問題。）下載地址：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal。下載完安裝即可，推薦使用默認安裝地址，（我因爲沒用默認地址，出了好多沒法解決的問題，最後還是重新用默認地址安裝了）
2cuDNN下載：cuDNN是用於深度神經網絡的GPU加速庫。tensorflow版本不同，需要的cuDNN版本也不一樣。官網下載比較麻煩，大家可以直接在這裏下載cuDNN6：https://www.zhihu.com/question/37082272。下載後解壓。解壓過後將相應的文件拷貝到相應的目錄：
如果第一步安裝CUDA沒有修改安裝路徑，執行以下操作：
複製 cudnn\bin\cudnn64_5.dll 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin\
複製 cudnn\include\cudnn.h 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include\
複製 cudnn\lib\x64\cudnn.lib 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64\
3安裝TensorFlow-GPU
在cmd下輸入pip install -i https://pypi.mirrors.ustc.edu.cn/simple/ tensorflow-gpu==1.4.0 (因爲原地址下載太慢了，所以零時使用清華的源下載)。
4測試：
import tensorflow as tf
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')
c = a +b
sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
print(sess.run(c))
輸出：
大工告成，特別提示：不是所有的程序用GPU跑都會更快，只有在做圖像處理，即卷積計算的時候纔會，其他時候用GPU跑甚至會比CPU跑的更慢。
參考:
https://blog.csdn.net/listener51/article/details/77752027
https://blog.csdn.net/qq_35239859/article/details/79827203
https://blog.csdn.net/shuiyuejihua/article/details/78738664