一，卸载CPU版本，如下图
之前我已经安装了anaconda，现在检查它的版本以及环境。发现有tensorflow环境，但我需要tensorflow-gpu的环境，所以输入conda uninstall tensorflow卸载了，
如果发现卸不掉就anaconda页面中点enviroments，选择tensorflow点击下面的remove就可以卸载干净。
再次输入conda info --envs，结果如下图所示：
输入conda creat -n tensorflow-gpu pip python=3.6安装tensorflow-gpu环境，
再次检查可以看出我们成功创建tensorlfow-gpu环境：
二，安装CUDA和CuDNN
1.查看自己的显卡
只有NVIDIA显卡才支持用GPU跑TensorFlow，查询GPU是否支持CUDA，一般要计算能力在3.0以上才适合。
（查看链接：https://developer.nvidia.com/cuda-gpus）
2.安装显卡驱动
显卡硬件明确之后，安装显卡的驱动，链接http://www.geforce.cn/drivers
我的是1060，就是10series系列，下拉可以找到。我选择2019/9/10发布的。
下载完毕后，安装，选项默认不要随便改。
3.安装CUDA
首先看看tensorflow和CUDA以及 cuDNN对应的版本。本人用了tensorflow-gpu1.12+CUDA9.0+cuDNN7.0
CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive
下载完毕是cuda_9.0.176_win10.exe。然后就是双击安装，选择自定义，在选择安装项时一般不安装GeForce Experience，CUDA是核心组件必须勾上，接着点击下一步就开始安装了。
在安装的过程中发现安装出现错误，将CUDA选项下面的VS勾掉就可以，如下图：
4.安装cuDNN
cuDNN就相当于cuDA显卡计算库中专门针对Depth Neural Network深度神经网络的计算专用库。
cuDNN的下载地址：https://developer.nvidia.com/rdp/cudnn-download。需要注册比较简单。
下载完毕后解压缩，得到三个文件夹，将这三个文件拷贝到~CUDA\v9.0这个目录下,集替换。
三，安装tensorflow1.12.0
在第一步我们已经创建了tensorlfow-gpu环境，现在激活并进入环境中：
安装tensorflow输入语句：pip install --ignore-installed --upgrade tensorflow-gpu==1.12.0
验证成功安装
(tensorflow-gpu) C:\Users\2018061801>python
Python 3.6.9 |Anaconda, Inc.| (default, Jul 30 2019, 14:00:49) [MSC v.1915 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> tf.__version__
'1.12.0'
>>>