安裝環境：
win10系統（64位）
NVIDIA GeForce GTX 1050 顯卡
本次安裝的版本型號：
Anaconda 5.3.1 (python 3.7 -> python 3.6)
CUDA 9.0
CUDNN 7.1
tensorflow-gpu 1.12.0
1. Anaconda的安裝
Anaconda官網： Anaconda官方下載地址
選擇Windows，下載64-Bit的版本。
此處注意：Anaconda 5.3.1是python 3.7的版本，而tensoflow暫時不支持python 3.7。
（請及時關注TensorFlow的官方動態，將來會支持python 3.7）
所以，之後我們會修改Anaconda中的python版本，改爲python 3.6。
下載好後，找到該文件，雙擊安裝。
安裝路經可以默認，也可以自己選擇。
在這裏，我勾選了兩項。
第一項：將Anaconda路徑加入系統環境變量，方便以後在cmd命令行或shell運行相應命令。
（如果你比較熟悉Windows環境變量的添加，也可以後期手動添加。）
第二項：將Anaconda中的python 3.7 設置爲系統默認的python。
（如果之前在win10系統裝過python，本次安裝並不會卸載，只是安裝好後在cmd命令行輸入python回車後，系統會調用Anaconda中的python）
等待安裝完成。
完成後，打開win10 cmd命令行。
輸入 conda install python=3.6.4 將Anaconda中python 3.7 -> python 3.6.4。
修改完成後
命令行輸入python,，顯示如下：
說明已修改爲python 3.6
至此，Anaconda已經安裝成功。
**
2. CUDA的安裝
**
在安裝CUDA 9.0之前，注意：
win10 CUDA的安裝過程中會檢查系統是否安裝Visual Studio，如果你確實需要，可以前去安裝。
但是VS2015/VS2017實在佔用太多空間，而CUDA的安裝只需要C++庫，一般是C++ 14。
所以，我們可以僅安裝C++ 14 的庫。
首先前往 控制面板——程序——程序與功能
檢查是否已經安裝了 C++ 14 的庫。
如果有上述信息，證明已安裝，可直接下載CUDA 9.0
如果未安裝，提供一個下載資源。
下載地址：C++14庫 網盤鏈接 提取碼：jq0k
下載好後，安裝即可。
準備安裝CUDA 9.0
CUDA 9.0 官方下載地址： CUDA 9.0 下載地址
注意：CUDA的最新版本爲CUDA 10.0，但是TensorFlow暫不支持，所以建議選擇CUDA 9.0
win10系統按如下選擇，選擇 exe(local) 下載，然後本地安裝。
下載好後，雙擊打開，進入如下界面。
這是一個臨時文件，用於暫時存儲CUDA Installer，也可以修改別的存儲路徑；一切安裝完成後，這個文件會自動刪除。
選擇自定義安裝。
點擊下一步安裝。
此處，若修改安裝路徑，請務必記住第一項CUDA Development的路徑，之後會添加環境變量時需要用到。
此處提示未安裝Visual Studio，在這裏我們已經安裝Visual Studio中的C++庫，所以勾選，並進行下一步。
安裝需要等待一定時間。
添加CUDA的環境變量：
進入 （右擊）我的電腦——屬性——高級系統設置——環境變量
選中Path，點擊編輯——新建
將之前的 CUDA Development路徑下的bin, lib, include, libnvvp四個文件夾的絕對路徑依次添加進來。
之前安裝時默認爲：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include
如已添加，可不用重複添加。
完成後，進入cmd命令行，輸入nvcc -V ， 顯示如下
CUDA 9.0 安裝成功。
3. CUDNN 7.1的安裝
下載地址： cuDNN官網
提供一個下載好的cuDNN文件，網盤鏈接 cuDNN 7.1.3 網盤 提取碼：0r1a
如果使用官網下載，請注意：
cuDNN需要先註冊賬戶，並驗證賬戶郵箱之後，可以下載。
註冊好後進入下載界面，注意選擇版本，
這裏點擊Archieved cuDNN Releases尋找我們需要的版本cuDNN 7.1
我選擇了cuDNN v7.13 這個版本，點擊下載。
下載得到一個zip壓縮文件，解壓縮後，將其中的bin 、include 、lib文件夾，一起復制到CUDA Development的路徑下。默認爲：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
複製如下：
至此，cuDNN7.1安裝成功。
**
4. Tensorflow-gpu的安裝
**
由於之前已經將Anaconda中的python 3.7 修改爲 python 3.6 並且設置爲系統默認的python。
官方推薦用conda創建一個虛擬環境，用於運行tensorflow，這裏我們不介紹這種方法，如有需要請點擊參考資料中的網頁鏈接，進行相應的安裝操作。
我們也可以直接將tensorflow安裝到Anaconda\Lib\Site-Packages 下，具體操作如下：
進入cmd命令行 輸入pip install tensorflow-gpu 會下載目前最新的 tensorflow-gpu 1.12.0
如果需要以往的版本如 1.9.0，可以輸入pip install tensorflow-gpu==1.9.0
建議tensorflow-gpu版本應高於1.6.0，因爲tensorflow-gpu的版本是與CUDA、cuDNN的相應版本配合使用的。
安裝好後，編寫一個python腳本，例如 tf_test.py
內容如下：
import tensorflow as tf
a = tf.constant(0, dtype=tf.float64)
b = tf.constant(1, dtype=tf.float64)
c = a + b
sess = tf.Session()
print(tf.__version__)
print(sess.run(c))
運行結果如下：
第一行打印出tensorflow-gpu的版本型號
第二行是運行結果
注意：如果遇到了關於numpy的import錯誤，可以在cmd命令行輸入pip uninstall numpy 之後 pip install numpy，重新安裝numpy模塊即可解決問題。
到此，安裝成功。
參考資料：