tensoflow-gpu安裝
對於python 3.5和3.6的童鞋們而言，安裝tensorflow其實並不難，因為我們可以通過pip直接安裝。
不過，第一要求你安裝的python是64位的，如下圖所示，注意划黃色線的部分。
python 位數確定
第二，通過pip安裝的話，有一個缺點，那就是會造成cpu的算力不夠，因為缺少兩個C的庫，不過沒有影響的。如果你是一個完美主義者，那么就只能通過Bazel方式源碼安裝Tensorflow了。詳細過程我之后會發布相關文章，可以留意一下☺。
pip 安裝 Tensorflow-gpu
cuda配置
最新的Tensorflow-gpu 使用的是cuda 9.0.dll的內容，所以就要下載cuda 9.0對應window或者linux或者mac的版本的安裝文件了。（下載網站：https://developer.nvidia.com/cuda-90-download-archive）
下載界面
我的電腦是window10，所以就選擇如圖所示的選項。主要的提一點，就是最后的Installer Type這個選項，exe（network）是在線安裝版，也就是你執行這個安裝程序，需要聯網。exe（local）是離線安裝版，不過他文件比較大。選完后，點擊下面的download就行下載。
exe（network）線安裝版
exe（local）離線安裝版
下載完成后，雙擊運行文件
選擇 ok
等進度條走完，就會進入安裝界面。
安裝加載界面
檢查系統兼容性，等一下就好
如果檢測通過了，那么恭喜你，你的顯卡可以安裝cuda，如果沒有通過，只能抱歉的告訴你，只能請你pip unistall tensorflow-gpu，然后執行pip install tensorflow。那你的電腦的顯卡不支持tensorflow-gpu加速。
點擊 同意並繼續
如果你不知道你要安裝些什么，那么請你勾選，精簡。如果
勾選精簡，然后點擊下一步
等待安裝完成
選擇 下一步
全部勾選 ，點擊關閉
下面這一步很重要：
CUDA_PATH是C:Program FilesNVIDIA GPU Computing ToolkitCUDA9.0但是僅僅如此，是不夠的，還需要在環境變量里的path全局變量里加入，這個下面的bin和lib\x64目錄的路徑。
cudnn配置
對於tensorflow而言，真正實現加速的是cudnn，然后cudnn調用的是cuda顯卡驅動。所以最后我們要配置cudnn這個模塊。
cuDNN的全稱為NVIDIA CUDA® Deep Neural Network library，是NVIDIA專門針對深度神經網絡（Deep Neural Networks）中的基礎操作而設計基於GPU的加速庫。cuDNN為深度神經網絡中的標准流程提供了高度優化的實現方式，例如convolution、pooling、normalization以及activation layers的前向以及后向過程。
cuDNN只是NVIDIA深度神經網絡軟件開發包中的其中一種加速庫。想了解NVIDIA深度神經網絡加速庫中的其他包請戳鏈接https://developer.nvidia.com/deep-learning-software。
下面我們說一下正確的安裝cuDNN方式，其實跟着官方安裝說明進行安裝就可以了。
-
從https://developer.nvidia.com/cudnn上下載cudnn相應版本的壓縮包（可能需要注冊或登錄）。
-
如果這個壓縮包不是.tgz格式的，把這個壓縮包重命名為.tgz格式。解壓當前的.tgz格式的軟件包到系統中的任意路徑，解壓后的文件夾名為cuda，文件夾中包含三個文件夾：一個為include，另一個為lib64，還有一個是bin，然后復制到CUDA_PATH下面。
-
將解壓后的文件中的lib/x64文件夾關聯到環境變量中。這一步很重要。（配置到環境變量的path全局變量里，詳細過程這里就不演示了）
復制目錄的位置
運行tensorflow檢驗
#coding=utf-8
import tensorflow as tf
import numpy as np
hello=tf.constant('hhh')
sess=tf.Session()
print (sess.run(hello))
如果運行，沒有報錯，就是表示可以放煙花了。我們可以愉快的開始tensorflow之旅了。
cuda、cudnn資源分享（百度網盤）
鏈接：https://pan.baidu.com/s/1pYBOe1M2pFHQUAZ8A5uwgw 密碼：thji
可能會失效，如果失效，請在下方評論。