1.简介
本文主要介绍在Windows10-64位，python3.5下，安装TensorFlow-GPU-1.0.0版本的步骤。我遇到的主
要的坑主要是TensorFlow-GPU-1.5.0与CUDA8.0版本不一致的问题。
步骤：
1）下载CUDA8.0，并安装成功，可能需要你更新显卡驱动
2）下载cuDNNv5.1 for CUDA 8.0，将压缩包内相应文件夹下的文件复制到CUDA对应文件夹下
3）下载TensorFlow-GPU-1.0.0，手动下载.whl文件安装
4）配置CUDA的系统环境 path 环境变量，这里比较重要
5）测试运行
2.安装流程
1）
1.1下载CUDA8.0版本，网址 https://developer.nvidia.com/cuda-80-ga2-download-archive，
因为我们直接下载本地.exe可执行文件，直接安装，一直下一步就OK。过程会持续十来分钟，视个人电脑情况而定。安装的地址默认为C:\Program Files\NVIDIA GPU Computing Toolkit。
1.2 验证是否安装成功：代开cmd，输入nvcc -V出现下面的版本号，应该成功。
1.3 可能出现的错误：NAVIDIA与此Windows版本不兼容
1.4解决办法：桌面上右键此电脑属性->左上角设备管理器->显示适配器->显卡->右键更新驱动程序->选择自动联网查找驱动->完成后重启。
1.5 ps:查看你的电脑适合什么版本的CUDA
1.5.1打开NVIDIA控制面板
1.5.2.查看
2）下载cuDNN
第一步：cuDNN下载名为Download cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0 版本，网址https://developer.nvidia.com/rdp/cudnn-download
注意这里版本是v5.1 for CUDA8.0，如果这里版本不对，后面运行程序会有‘找不到cudnn64_5.dll’文件的错误。
例如你下载的可能是 'cudnn64_7.dll' 这样的名字，因为你也看到还有Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 8.0也是适合CUDA8.0，这应该是v5.1升到v7.0.5，如果报错，你可以把你下载名字改为需要的样子就OK了。
第二步：接下来你需要把下载的压缩包解压，把对应文件夹里的文件复制 到 上面你安装的CUDA地址 对应的文件夹里面。例如下图
3）下载TensorFlow-GPU-1.0.0，全称tensorflow_gpu-1.0.0-cp35-cp35m-win_amd64.whl版本，注意，现在
TensorFlow-GPU已经出到1.5.0版本，TensorFlow-GPU-1.5.0与CUDA8.0不兼容，我就是被这个麻烦了好久。
而且不可以pip直接安装，因为它默认去找了1.5.0版本的TensorFlow-GPU，这里我们手动下载安装。
下载网址：https://pypi.python.org/pypi/tensorflow-gpu/1.0.0。然后进入.whl文件的目录，打开cmd，执行pip install tensorflow_gpu-1.0.0-cp35-cp35m-win_amd64.whl 即可，可以看到它成功安装。
4）CUDA配置
上面安装CUDA时，在系统环境变量里会自动加上如下图的配置，但为了让TensorFlow-GPU能够调用CUDA下的库，我们还需在path下面加上以下这些路径。
这是你CUDA的安装目录下的 bin,lib/x64,include三个文件夹。因为我们上面已经把cuDNN的文件都复制到CUDA对应文件中了，所以它们也被包含在path路径中了。到这里我们就算大功告成了。
这里是你需要在path下添加的路径，这里特别重要，改成你自己的路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include
5)测试代码
# coding:utf-8
import tensorflow as tf
hello=tf.constant('Hello Tensorflow')
sess=tf.Session()
print(sess.run(hello))
如果输出 b'Hello Tensorflow'，TensorFlow-GPU-1.0.0就算安装成功了。
3.心得体会
1）现在TensorFlow-GPU-1.5.0版本可能需要CUDA9.0版本才能支持
2）你还需要去下载适合CUDA9.0的cuDNN版本，
3）同时只要把cuDNN里的文件复制到CUDA中
4）然后把CUDA的bin,lib/x64,include加入到path路径下，应该没有太大问题
当然可能应该还有TensorFlow-GPU更高一点可以与CUDA8.0相匹配，我还没有太多时间去实验。这也是我第
一次写博客，如果能帮助到你，那是我的荣幸，如果有错，还请你费心再搜搜其他大牛的博客。