-----------------2019.7月更新-----------------------
現在安裝tensorflow不需要這么麻煩了，直接安裝anaconda，然后使用命令conda install tensorflow-gpu即可
----------------------------------------------------------
在Windows下安裝Tensorflow有很多需要注意的事項，最近幫不同實驗室的同學裝了好幾次Tensorflow，其中遇到了很多問題，這里也寫個小的安裝教程，希望能夠幫助大家。
1.電腦配置：
CPU: Intel Core i7-8700
GPU: NVIDIA GTX-1060-6GB (NVIDIA Quadro M4000)
內存: 24GB (8GB 2400+16GB 3000)
硬盤: 240G(SSD)+2T(HDD)
IDE: Pycharm
2.安裝准備：
在安裝Tensorflow-gpu前請記住需要安裝Anaconda、CUDA、cuDNN等組件。
2.1 Anaconda的安裝
Anaconda指的是一個開源的Python發行版本，其包含了conda、Python等180多個科學包及其依賴項。Anaconda-win10(64位)-python3.6安裝地址。Anaconda的安裝過程十分簡單，一直點下一步就好，但是在安裝過程中記得將其添加到系統的環境變量中，如下圖所示。
安裝完成后可以到我的電腦-屬性-高級系統設置-高級-環境變量-Path中查看
安裝完Anaconda之后可以直接通過Anaconda來創建編譯環境，其中包含了tensorflow所依賴的一些包如numpy等，不需要再重復安裝，這也是為什么用anaconda安裝tensorflow的原因。
2.2 CUDA及cuDNN的安裝
在安裝CUDA和cuDNN之前，記得查看本電腦的顯卡對應什么版本的CUDA及其cuDNN版本，如下圖。
本機顯卡對應的CUDA可以從桌面右鍵-NVIDIA控制面板-幫助-系統信息-組件中查看：
可以看到本機GTX1060-6G顯卡對應的是CUDA9.0版本。這個很重要，因為之前安裝Quadro M4000系列顯卡時對應的CUDA8.0版本，我裝的是CUDA9.0所以一直安裝不成功。
可以看到我的電腦對應的是CUDA9.0+cuDNN7.0+Tensorflow-gpu1.5.0-1.10.0。CUDA9.0的安裝地址。CUDA的安裝也是一直下一步即可，安裝完成后會自動將CUDA的相關文件加入系統環境變量，如下圖。
cuDNN7.0的安裝地址。在安裝cuDNN的時候需要注冊一個NVIDIA的賬號才能下載，下載完成后得到是一個壓縮包，解壓到相應的目錄下，在系統環境變量中加入…\cuda\bin，如下圖：
至此，tensorflow的准備工作已經結束了，你需要在環境變量中再檢查一下是否有Anaconda、CUDA以及cuDNN的相關配置。
3.Tensorflow-gpu的安裝
①首先在命令行窗口中查看Anaconda是否正確安裝。win+R輸入cmd打開命令行窗口，輸入conda –version查看Anaconda是否正確安裝。如果如下圖所示則說明Anaconda安裝成功。
②創建python虛擬環境。在命令行窗口中輸入conda create -name tensorflow-gpu python=3.6。這句的意思是創建一個名為tensorflow-gpu的python虛擬環境，python編譯版本為3.6，其中包含了tensorflow必須的一些依賴包，因而不用再額外安裝。（請注意python版本和你所需要安裝的tensorflow對應關系，部分如下表所示）
安裝過程如下，按y即可。
等待安裝完成，在anaconda的安裝目錄下的envs文件中出現一個tensorflow-gpu的子文件夾，我們將在這個虛擬環境中完成tensorflow的安裝。(如果找不到anaconda的安裝目錄可以在環境變量中找到。)
③tensorflow-gpu安裝。激活tensorflow-gpu虛擬環境，在命令窗口中輸入activate tensorflow-gpu(很重要！)，通過pip查看已安裝的包，輸入pip list，如下圖：
將pip更新到最新版本，輸入：python -m pip install --upgrade pip
接下來就是安裝tensorflow-gpu了，輸入pip install tensorflow-gpu，默認安裝最新版本，如果需要安裝其他版本，輸入pip install tensorflow-gpu==1.xx.xx。會提上安裝相應的依賴項，按y，等待安裝完成。
④查看tensorflow-gpu是否安裝成功，繼續在tensorflow-gpu環境下，輸入pip list查看已安裝的包，如下，安裝成功！
4.程序驗證
在pycharm IDE下將相關編譯器改為tensorflow-gpu環境下的Python.。點擊File-Setting-Project:xxx-Project Interpreter下的Project Interpreter設置圖標，點擊add local，如下圖所示
等待加載完成后既可以驗證tensorflow-gpu是否成功調用顯卡資源進行計算了。
新建一個python文件，輸入：
import tensorflow as tf sess = tf.Session() a = tf.constant(2) b = tf.constant(3) print(sess.run(a+b))
若輸出結果為：
則說明tensorflow-gpu正確調用顯卡資源進行計算。
總結：
安裝tensorflow-gpu過程中一定要注意自己的硬件支持什么版本的軟件，已經環境變量的配置是否正確，盡量將不需要的環境變量刪掉。以后需要編寫深度學習程序時需要其他的包如opencv一律先activate到tensorflow-gpu虛擬環境中再安裝，就可以直接調用了。