windows10（Windows Server 2012）系統tensorflow-gpu安裝過程：
安裝的軟件版本如下：
| 軟件 | 版本 |
|---|---|
| cuda | 10.0 |
| cudnn | 7.6.0 |
| tensorflow-gpu | tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64 |
cuda下載過程如下，選擇服務器對應版本，點擊下載即可，安裝過程基本都是一直下一步即可：
官網下載鏈接
cudnn下載過程如下，選擇服務器對應版本，下載即可：
cudnn官網下載鏈接
cudnn下載之後進行解壓，分別將解壓縮的 cuda/include、cuda/lib、cuda/bin三個目錄中的內容拷貝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0對應的include、lib、bin目錄下即可
設置環境變量：將cudnn 的bin目錄地址添加到path環境變量中 （環境變量這一步windows我還不太確定是否必要）
tensorflow-gpu 使用pip或者conda直接進行安裝，一些較高版本無法安裝成功，我這裏選擇下載tensorflow-gpu 對應的輪子，然後使用pip來進行的安裝。
安裝方法：
在conda環境下安裝tensorflow-gpu ，過程如下：
首先使用conda命令創建獨立的conda環境，然後激活conda環境，使用pip安裝tensorflow-gpu 對應的輪子。
輪子下載鏈接：
具體命令如下：
conda create -n srgan366 python=3.6.6
conda activate srgan366
進入 到tensorflow-gpu .whl 文件所在目錄 ：cmd窗口下，進入 E盤命令： E:
pip install tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl
測試tensorflow-gpu安裝是否成功：
cmd命令窗口內，激活你的conda環境，進入python交互,輸入import tensorflow
若沒有任何報錯，即說明安裝成功。
- 測試tensorflow-gpu安裝是否成功代碼如下：
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
c = a+b
print(c)
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
可能遇到的問題：
ImportError: DLL load failed: The specified module could not be found.
解決方法：
網上查詢，瞭解到的多數說法爲：可能是當前服務器處理器不支持當前較高版本的 tensorflow-gpu。
我自己最終解決的過程：
- 首先所選用的 tensorflow-gpu版本應該是當前cuda所支持的。
- 檢查 cuda 版本，系統是windows系統，就下載windows系統對應的 cuda 。
- 檢查 cudnn 版本,首先 cudnn 版本要和 cuda 版本匹配，其次 系統是 win10
，就下載 win10 對應，是win7或者 windowsServer2012 就下載
win7版本即可。
安裝之後，在 python 窗口下， import tensorflow 報錯如下：
- ModuleNotFoundError: No module named ‘tensorflow.python’
說明 tensorflow-gpu 和 cuda 版本不匹配。
當前 1.x 的 tensorflow-gpu 對 cuda 9.0 更爲友好。