一、环境的配置（具体见后续安装步骤）
注：最好保证自己的电脑安装过Vs2013至2017任意一版，后续的验证会用到。
1、Anaconda
(Anaconda3-5.2.0-Windows-x86_64.exe) 该版本对应的为Python3.6.5
版本号：62244c0382b8142743622fdc3526eda7
下载传送门：https://repo.anaconda.com/archive/
2、CUDA
(9.0版本)
下载传送门：https://developer.nvidia.com/cuda-toolkit-archive
3、CuDNN
（只要适应CUDA9.0的版本）
下载传送门：https://developer.nvidia.com/cudnn
4、Python-3.6（Anaconda自带该python的版本），如果版本冲突见后文
5、TensorFlow-gpu 1.12
安装tensorflow-gpu一般是外网，且安装库较大，建议大家使用下面静态网站下载，下载速度比默认路径快
pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
二、Anaconda的安装
下载传送门：https://repo.anaconda.com/archive/
注1：我们选择安装的是Anaconda对应python的3.6版本，如果安装了高版本的Anaconda如何将python从高版本降到低版本3.6，请阅览：
https://blog.csdn.net/Fhujinwu/article/details/85851587
注2：具体的Anaconda的安装地址如下：
https://blog.csdn.net/ITLearnHall/article/details/81708148
注3：在安装Anaconda后运行Anaconda prompt 可能会出现报错:chcp不是内部命令解决方案，或者cmd不是内部命令的解决方案，解决方法如下：
控制面板->系统和安全>系统->高级系统设置->高级->环境变量
将C:\Windows\System32的路径添加
三、CUDA9.0的安装
注1：在安装前确保本机有独立的显卡，以及显卡的驱动程序已经更新：
更新驱动：去官网http://www.geforce.cn/drivers
有两种选择：
（1）你可以下载GeForce Experience让它自己帮你安装
（2）也可以自己手动搜素下载驱动程序
如果上述情况都解决了，那就直接确认，之后重启是可以直接使用的。
注2：进行CUDA9.0的下载与安装
下载传送门：https://developer.nvidia.com/cuda-toolkit-archive
注3：具体的安装步骤：
https://blog.csdn.net/AAlonso/article/details/81504036
可忽略安装中的一些提示
注4：检测CUDA:
方法一：在dos窗口中输入nvcc -V，如果输出是cuda版本信息，则说明安装成功
方法二：在cuda安装文件夹中有deviceQuery.exe 和 bandwidthTest.exe两个程序。首先启动cmd DOS命令窗口，默认进来的是c:\users\Admistrator>路径，输入 cd … 两次，来到c:目录下输入dir 找到安装的cuda文件夹。
分别输入deviceQuery.exe 和 bandwidthTest.exe，运行结果如图所示。Rsult=PASS则说明通过，反之，Rsult=Fail 则需要重新安装。
四、 cuDNN的下载：
下载传送门：https://developer.nvidia.com/cudnn
在下载CUDNN7.0之前，会提示你注册一个账号，输入邮箱等相关注册信息注册一个账号，然后用注册的账号进行登录就可以进行下载。
注1：下载完成后进行解压
后文的相关路径即默认路径
（1）将cuDNN解压后的三个文件夹bin、include、lib文件夹，将这三个文件夹复制到安装CUDA9.0的路径覆盖原有的文件。本机的安装路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
（2）系统环境的配置：
控制面板->系统和安全>系统->高级系统设置->高级->环境变量（参考二、Anaconda安装中的注3）
将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin添加到系统变量的Path中，
将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include添加到系统变量的Path中，
将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64添加到系统变量的Path中
五、 tensorflow-gpu1.12的安装：
注1：添加国内镜像源，加快安装速度
参考：https://blog.csdn.net/qq_29007291/article/details/81103603
注2： 打开Anaconda Prompt创建Tensorflow—gpu环境（python环境为3.6）：
（1）
在Prompt中输入：conda create -n tensorflow_gpu python=3.6
（如果遇到更新python的版本而导致安装失败，可查看python的版本，例如：输入具体python=3.6.5）
中间会让我们确认一下，输入个y回车就好了。安装好后会给我们提示用activate，和deactivate进行环境的切换。
在创建好的环境下，我们先切换到创建好的环境中：
activate tensorflow_gpu
不用时退回到root环境使用如下代码：
deactivate tensorflow-gpu
（2）在激活环境后（activate tensorflow_gpu）安装anaconda的包
在Prompt中输入： conda install anaconda
（3）安装GPU版本的tensorflow
安装tensorflow-gpu一般是外网，且安装库较大，建议大家使用下面静态网站下载，下载速度比默认路径快
在激活后的（activate tensorflow_gpu）环境中输入：
pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
注3:环境的测试
再输入以下代码:
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello)
（一行一行输入，sess启动gpu可能需要一些时间）
