本文介紹 tensorflow-gpu 1.4.0版本在Windows下的安裝教程，并涉及一些必備軟件的安裝。
準備步驟
簡單的說，我們需要 Windows系統 + Anaconda(Python 3.6) + Visual Studio 2015 + [顯卡驅動] + CUDA 8.0 + CuDnn 6.0。具體安裝流程在第二部分介紹。
系統要求
Windows版本：Windows 7，Windows 8，Windows 10，Windows Server 12/16
Anaconda
使用Anaconda主要是方便搭建和切換不同的Python開發環境，具體安裝步驟這里不給出，沒有安裝的可以參考Anaconda介紹、安裝及使用教程。
vs 2015
Visual Studio 2015主要是提供C++的開發編譯環境，不然cuda、cuDnn庫將無法正常解析。
下載免費的Community版本即可，下載鏈接 提取碼：q5xi 。
顯卡要求
具有計算能力3.5或更高版本的NVIDIA?GPU卡。請注意，AMD的顯卡不可以使用英偉達開發的CUDA
顯卡計算能力的查詢可移步到https://developer.nvidia.com/cuda-gpus自行查詢。比如筆者的筆記本顯卡是GeForce GTX 950M：
驅動程序
另外，如果電腦沒有安裝顯卡的驅動程序，可以移步NVIDIA? GPU 驅動程序自行下載對應型號的驅動程序。
CUDA版本
不同版本的TensorFlow需要指定版本的CUDA的支持，比如本文的tensorflow-gpu 1.4.0版本，需要CUDA 8.0的配合。更多版本對應關系詳見文末的附錄。
CUDA下載鏈接：CUDA? Toolkit。
CuDnn版本
CuDnn版本: **CuDnn 6.0 **for CUDA8.0。下載時請對應的你的操作系統選擇合適的版本。
請特別注意下載CuDnn前必須注冊英偉達社區的會員，https://developer.nvidia.com/rdp/form/cudnn-download-survey，雖然說是英文的但非常簡單。
所有軟件
安裝步驟
請盡量按照本文的安裝順序進行安裝，否則有可能運行失敗！最重要的是，安裝CUDA必須在安裝Visual Studio之后，這兩個順序不可以調換。
安裝驅動程序
如果已經安裝，請跳到下一步。
驅動程序安裝比較容易，雙擊安裝程序，一直點下一步即可。
安裝Visual Studio 2015
安裝VS2015沒什么難度，只有一個選項需要自定義，別的選項都可以使用默認值。VS2015的默認安裝不包括C++的編譯器，必須手動勾選Visual C++，不然會面臨后續的CUDA編譯錯誤。
安裝CUDA
安裝CUDA前請務必確認VS2015安裝成功！這個時候你需要安裝CUDA，雙擊我們下載的安裝文件即可，雙擊后會出現下圖，要求選擇一個目錄用于存放NVIDIA CUDA Toolkit安裝器，隨便選個目錄即可，安裝完會自動刪除。
安裝成功后，會出現下圖：
驗證CUDA安裝成功
打開命令行，也就是cmd然后輸入“nvcc -V”，如果安裝正確的話你應該看到下圖的輸出，輸出中顯示了CUDA的版本是release 8.0。
確認系統環境變量
CUDA安裝成功后，會自動添加安裝目錄到系統環境變量，所以需要檢查C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin是否已加到系統環境變量，若沒有則需要手動添加。
安裝CuDnn
解壓縮我們下載的CuDnn文件，得到3個文件夾：bin, include, lib。
將這個三個文件夾復制到：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0，如 圖：
創建Python環境
Python環境的創建，使用的是conda命令。打開Anaconda命令行窗口，如圖：
# 創建Python環境，名稱為tensorflow，Python版本為3.6
$ conda create --name tensorflow python=3.6
# 安裝好后，使用activate激活環境
$ activate tensorflow
# 若需要退出環境，使用deactivate命令
$ conda deactivate
安裝tensorflow-gpu
# 使用pip安裝tensorflow-gpu，版本為1.4.0，并國內的豆瓣pip源
$ pip install tensorflow-gpu==1.4 -i https://pypi.douban.com/simple/
# 安裝Keras（可選）
$ pip install keras==2.1.3 -i https://pypi.douban.com/simple/
驗證TensorFlow GPU
# 激活tensorflow環境
$ activate tensorflow
# 進入Python的 interactive shell
$ python
# 第一個TensorFlow程序
>>> import tensorflow as tf
>>> a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
>>> b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
>>> c = tf.matmul(a, b)
>>> sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
>>> print(sess.run(c))
如果出現類似下圖圈中的輸出，則代表 TensorFlow GPU是安裝成功的。
附錄
附錄A：tensorflow CUDA cudnn 版本對應關系
附錄B：TensorFlow示例運行
TensorFlow GitHub官方倉庫
下載相應的代碼，可以直接運行samples里面實例。
