1、安裝Python和pip

在Windows環境安裝Python 3.x版本，通常安裝包中集成了pip工具，安裝會非常簡單方便。具體見：https://www.python.org/downloads/windows/

按以上網站的信息，獲取到對應Python3的版本。（其中注意將Python3的文件路徑添加到環境變量中），再重新打開命令提示符輸入“python”命令，若出現下圖信息證明安裝正確。

接下來，在安裝TensorFlow之前，需要先檢查主機的GPU是否支持，在命令提示符下，執行命令：

control /name Microsoft.DeviceManager

然後查看“顯示適配器”設置，將其打開，然後閱讀顯示適配器的名稱，如下：

正如你所看到的，主機系統有一個GT 740M。然後去NVIDIA官網查看信息，具體見：https://developer.nvidia.com/cuda-gpus，就可以知道是否可以使用帶GPU支持的TensorFlow。這裏已經確定是支持的。但是在安裝和運行TensorFlow之前，需要爲你的機器安裝CUDA驅動。

2、安裝CUDA驅動程序

下載網站：https://developer.nvidia.com/cuda-toolkit，選擇頁面中的“Legacy Releases”鏈接來下載正確版本的驅動程序。剛開始時我選擇下載了CUDA 10.0，反覆的下載、安裝、卸載都沒有正確的安裝上TensorFlow，然後按照之前教程中的CUDA 9.0版本就成功了，後面才發現是TensorFlow的版本不對。

在運行TensorFlow之前，還需要與主機CUDA版本相匹配的CuDNN版本庫。

3、安裝CuDNN庫

CuDNN庫是CUDA針對深度神經網絡的更新包，TensorFlow會使用它用於加速NVidia GPU上的深度學習。可以從這裏下載，見：https://developer.nvidia.com/cudnn。

但必須首先要註冊一個NVidia開發者帳號，它是免費的。登錄後，您會看到各種CuDNN下載。然後選擇匹配的版本。由於之前使用了CUDA 9.0，所以確定爲CUDA 9.0選擇了cuDNN v7.0.5。

下載下來的是包含幾個文件夾的Zip，其中每個文件夾包含CuDNN文件（一個DLL，一個頭文件和一個庫文件）。找到你的CUDA安裝目錄，這裏應該是這樣的：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

將zip中的文件對應的放入到，以上對應的文件夾中，例如v9.0中的lib與zip中的\lib文件相對應，將zip中\lib文件夾的dll文件放入v9.0的\lib文件中。同理將zip中剩餘的文件對應的放入v9.0中。

4、安裝TensorFlow

首先先找到TensorFlow與cuDNN、CUDA對應的版本，查找的網址爲：https://blog.csdn.net/omodao1/article/details/83241074。之前就是因爲版本不對，老是報：ImportError: Could not find 'cudart64_90.dll'. TensorFlow requires that this DLL be installed in的錯誤。