注：本文默認你已經安裝好python，本文配置深度學習前的環境如下：
- python3.6
- win10 64位
- GeForce GTX980Ti
1、安裝CUDA
深度學習庫如果使用CUDA進行GPU加速，可以大大縮短計算時間。
1.1 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）。安裝CUDA前先檢查下，自己的顯卡是否支持CUDA，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。
剛開始我以爲我機器的顯卡不支持安裝CUDA，檢查後發現可以支持，計算性能5.2，感覺應該還可以，但肯定比不了GTX1080Ti的顯卡，查了一下最新的顯卡排行，如下圖所示：
發現本機顯卡只比GTX1070的顯卡稍遜一點，居然還是高端顯卡，訓練個模型肯定不成問題了，就是時間稍慢一些。
1.2 下載CUDA
從CUDA官網選擇對應系統下載並安裝文件，地址：https://developer.nvidia.com/cuda-downloads?target_os=Windows
注意Installer Type選擇exe(local)本地安裝，exe(network)聯網安裝可能會發生各種問題，下載步驟如下圖：
下載好後一路默認安裝就好了。此處我安裝的是CUDA9.2版本。
PS. 安裝CUDA時想都沒想就安裝了最新版CUDA9.2，到最後才發現TensorFlow框架不支持9.2版本，目前支持最高版本爲CUDA9.0，新手安裝的時候直接安裝9.0版本即可，下文會寫我怎麼解決的問題。
2、測試CUDA安裝結果
打開命令提示符，輸入：nvcc -V，可看到如下信息，代表安裝成功。
3、下載cuDNN
安裝好CUDA後其實已經可以使用GPU提速了，但cuDNN可以在前面GPU加速基礎上大概再提升1.5倍的速度，它同樣也是由NVIDIA開發。
cuDNN下載地址：https://developer.nvidia.com/rdp/cudnn-download
在下載cuDNN時，看其他博文說下載該文件需要在NVIDIA官網註冊，我這裏試了很久，都沒有註冊成功，不知道是因爲官網出現了什麼問題，還是國內的原因，我感覺是後者，總之沒註冊成功。
但遇到問題總需要解決，這裏給沒註冊成功的朋友分享一個下載cuDNN的方法：
（1）打開cuDNN各個版本的下載網址：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b
（2）然後選擇你需要的版本，比方說選擇cuDNN v7.1.4 Library for Windows 10，這裏千萬不要點擊鏈接，否則會進入註冊界面，而是右鍵選擇“複製鏈接地址”
（3）打開迅雷等下載軟件，添加任務將複製的鏈接地址輸入進去，然後下載，下載速度還是比較快的
（4）下載後是一個壓縮包，如果發現後綴名不是壓縮包的格式，手動改一下
本文下載的是CUDA9.2對應的cuDNN7.1.4版本
4、配置cuDNN
下載好cuDNN後，解壓cudnn-9.2-windows10-x64-v7.1.zip，把解壓包中bin,include,lib裏面的文件(共三個)分別拷貝到CUDA安裝路徑下的bin,include,lib目錄下，即C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\下的bin,include,lib目錄下即可。
5、安裝深度學習框架
pip安裝TensorFlow命令：pip install tensorflow-gpu
pip安裝Keras命令：pip install keras
6、測試配置環境
在程序中輸入import tensorflow as tf
測試一下tensorflow庫是否安裝成功，其他庫類似。發現出錯，如下圖：
出現CUDA版本兼容錯誤，由於裝的是最新版的CUDA，而tensorflow目前只支持到9.0版本，所以下載9.0版本的CUDA並安裝：https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
cuDNN重新配置對應版本。本文只重裝了CUDA9.0，未重新配置cuDNN，重新測試，運行成功，沒錯誤。
小技巧
如果你在配置的時候不清楚你安裝的TensorFlow版本目前支持CUDA和cuDNN的版本是多少，可以先安裝好TensorFlow庫後，從安裝的TensorFlow庫文件夾中（C:\Users\Administrator\AppData\Roaming\Python\Python36\site-packages\tensorflow\python\platform）找到build_info.py文件，裏面寫着CUDA和cuDNN的版本，從代碼中可以看到：
cuda_version_number = ‘9.0’
cudnn_version_number = ‘7’
我們按照這個版本號安裝就不會出現各種各樣的問題了
雖然build_info.py文件顯示cudnn的版本是7，但根據本文配置的環境CUDA9.0+cuDNN7.1.4，發現只要cuDNN大版本是TensorFlow庫要求的版本就可以。
最後可以愉快的使用GPU訓練模型了，附上訓練模型圖一張
