首先是Tensorflow-GPU版本、CUDA版本、cuDNN版本的相互關係及下載鏈接：
| Tensorflow-GPU | CUDA | cuDNN |
| 2.0 | 10.1 | v7.6.2 |
| 1.15 | 10.0 | v7.6.2 |
| 1.14 | 10.0 | v7.6.2 |
| 1.13 | 10.0 | v7.6.2 |
| 1.12 | 9.0 | v7.6.2 |
| 1.5 | 9.0 | v7.6.2 |
| 1.4 | 8.0 | v7.1.4 |
| 1.0 | 8.0 | v7.1.4 |
Tensorflow-GPU要求的CUDA版本是硬性且唯一的，而CUDA要求的cuDNN版本並不唯一，當然選用cuDNN版本是越新越好。
不同版本的安裝過程其實都是一模一樣的，以下以Tensorflow-GPU 1.12.3、CUDA 9.0、cuDNN v7.6.2爲例：
在CMD中輸入命令 pip install tensorflow-gpu==1.12.3 自動安裝對應python版本的Tensorflow-GPU。
如果很久沒更新過Nvidia顯卡驅動了，那就用Nvidia的GeForce Experience先更新一下，十分方便。
下載CUDA，這裏選擇的版本是和Tensorflow-GPU 1.12.3對應的CUDA 9.0，然後選擇自己的系統及exe (local)，接着將所有基礎安裝包Base Installer和升級包Patch全都下載下來。按順序從基礎安裝包Base Installer開始安裝，路徑全都默認就行，安裝選項選擇自定義，安裝內容只需要勾選CUDA下的Development和Runtime，其他的組件全都不需要裝。所有的安裝都完成後，會發現路徑C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA會多一個v9.0的文件夾，同時環境變量的系統變量裏會多出CUDA_PATHV9_0和CUDA_PATH並指向CUDA 9.0的所在的文件夾。查看CUDA版本可直接在CMD中輸入命令 nvcc -V 即能顯示。如果安裝升級包Patch的時候程序發生閃退，則將路徑C:\Program Files\NVIDIA Corporation下的Installer2文件夾整個刪除即可恢復正常。
下載cuDNN，這裏選擇的版本是適配CUDA 9.0的最新版本cuDNN v7.6.2 for CUDA 9.0，然後選擇自己的系統即可下載。解壓下載下來的壓縮包，將壓縮包裏的bin、include、lib三個文件夾複製到CUDA 9.0的所在的文件夾，與原先存在的bin、include、lib三個文件夾合併。在環境變量的用戶變量中的PATH添加 %CUDA_PATH%\bin 、 %CUDA_PATH%\lib\x64 、 %CUDA_PATH%\extras\CUPTI\lib64 這三條變量，保存即可。
若要測試是否全部安裝成功，直接在python裏執行 import tensorflow as tf 查看是否正常不報錯就知道了。