一、環境的配置（具體見後續安裝步驟）
注：最好保證自己的電腦安裝過Vs2013至2017任意一版，後續的驗證會用到。
1、Anaconda
(Anaconda3-5.2.0-Windows-x86_64.exe) 該版本對應的爲Python3.6.5
版本號：62244c0382b8142743622fdc3526eda7
下載傳送門：https://repo.anaconda.com/archive/
2、CUDA
(9.0版本)
下載傳送門：https://developer.nvidia.com/cuda-toolkit-archive
3、CuDNN
（只要適應CUDA9.0的版本）
下載傳送門：https://developer.nvidia.com/cudnn
4、Python-3.6（Anaconda自帶該python的版本），如果版本衝突見後文
5、TensorFlow-gpu 1.12
安裝tensorflow-gpu一般是外網，且安裝庫較大，建議大家使用下面靜態網站下載，下載速度比默認路徑快
pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
二、Anaconda的安裝
下載傳送門：https://repo.anaconda.com/archive/
注1：我們選擇安裝的是Anaconda對應python的3.6版本，如果安裝了高版本的Anaconda如何將python從高版本降到低版本3.6，請閱覽：
https://blog.csdn.net/Fhujinwu/article/details/85851587
注2：具體的Anaconda的安裝地址如下：
https://blog.csdn.net/ITLearnHall/article/details/81708148
注3：在安裝Anaconda後運行Anaconda prompt 可能會出現報錯:chcp不是內部命令解決方案，或者cmd不是內部命令的解決方案，解決方法如下：
控制面板->系統和安全>系統->高級系統設置->高級->環境變量
將C:\Windows\System32的路徑添加
三、CUDA9.0的安裝
注1：在安裝前確保本機有獨立的顯卡，以及顯卡的驅動程序已經更新：
更新驅動：去官網http://www.geforce.cn/drivers
有兩種選擇：
（1）你可以下載GeForce Experience讓它自己幫你安裝
（2）也可以自己手動搜素下載驅動程序
如果上述情況都解決了，那就直接確認，之後重啓是可以直接使用的。
注2：進行CUDA9.0的下載與安裝
下載傳送門：https://developer.nvidia.com/cuda-toolkit-archive
注3：具體的安裝步驟：
https://blog.csdn.net/AAlonso/article/details/81504036
可忽略安裝中的一些提示
注4：檢測CUDA:
方法一：在dos窗口中輸入nvcc -V，如果輸出是cuda版本信息，則說明安裝成功
方法二：在cuda安裝文件夾中有deviceQuery.exe 和 bandwidthTest.exe兩個程序。首先啓動cmd DOS命令窗口，默認進來的是c:\users\Admistrator>路徑，輸入 cd … 兩次，來到c:目錄下輸入dir 找到安裝的cuda文件夾。
分別輸入deviceQuery.exe 和 bandwidthTest.exe，運行結果如圖所示。Rsult=PASS則說明通過，反之，Rsult=Fail 則需要重新安裝。
四、 cuDNN的下載：
下載傳送門：https://developer.nvidia.com/cudnn
在下載CUDNN7.0之前，會提示你註冊一個賬號，輸入郵箱等相關注冊信息註冊一個賬號，然後用註冊的賬號進行登錄就可以進行下載。
注1：下載完成後進行解壓
後文的相關路徑即默認路徑
（1）將cuDNN解壓後的三個文件夾bin、include、lib文件夾，將這三個文件夾複製到安裝CUDA9.0的路徑覆蓋原有的文件。本機的安裝路徑爲：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
（2）系統環境的配置：
控制面板->系統和安全>系統->高級系統設置->高級->環境變量（參考二、Anaconda安裝中的注3）
將C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin添加到系統變量的Path中，
將C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include添加到系統變量的Path中，
將C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64添加到系統變量的Path中
五、 tensorflow-gpu1.12的安裝：
注1：添加國內鏡像源，加快安裝速度
參考：https://blog.csdn.net/qq_29007291/article/details/81103603
注2： 打開Anaconda Prompt創建Tensorflow—gpu環境（python環境爲3.6）：
（1）
在Prompt中輸入：conda create -n tensorflow_gpu python=3.6
（如果遇到更新python的版本而導致安裝失敗，可查看python的版本，例如：輸入具體python=3.6.5）
中間會讓我們確認一下，輸入個y回車就好了。安裝好後會給我們提示用activate，和deactivate進行環境的切換。
在創建好的環境下，我們先切換到創建好的環境中：
activate tensorflow_gpu
不用時退回到root環境使用如下代碼：
deactivate tensorflow-gpu
（2）在激活環境後（activate tensorflow_gpu）安裝anaconda的包
在Prompt中輸入： conda install anaconda
（3）安裝GPU版本的tensorflow
安裝tensorflow-gpu一般是外網，且安裝庫較大，建議大家使用下面靜態網站下載，下載速度比默認路徑快
在激活後的（activate tensorflow_gpu）環境中輸入：
pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
注3:環境的測試
再輸入以下代碼:
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello)
（一行一行輸入，sess啓動gpu可能需要一些時間）
