在安裝tensorflow-gpu時，也看過不少的博客，講得亂七八糟的，也不能這樣說，只是每個人安裝的環境或需求不一樣，因此沒有找到一個適合自己的教程去安裝tensorflow-gpu版本。當然，入手一台新電腦立馬是安裝配置這些環境，在次期間也遇到過不少的坑。話不多說，對此總結了以下幾個步驟，直到成功！
1、首先查看tensorflow-gpu所對應的python版本、CUDA、cuDNN版本，這個非常重要，直接決定，最后是否安裝成功。
注：鏈接查看地址https://tensorflow.google.cn/install/source_windows
2、下載CUDA，並且安裝
CUDA（Compute Unified Device Architecture），是顯卡廠商NVIDIA推出的運算平台。
當然在下載時，也遇到過不少尷尬的情景，比如說：下載超時，遇到下載超時的情況，解決辦法：通過網絡版下載並進行安裝，效果是一樣的！本次筆者下載的是CUDA9.0，其下載地址：https://developer.nvidia.com/cuda-toolkit-archive
3、下載cudnn
下載地址：https://developer.nvidia.com/rdp/cudnn-download
注意：下載時需要注冊會員，只需要按照要求，簡單注冊即可。本次筆者，下載的是cuDNN7.4.2版本！
下載后，解壓cudnn-9.0-windows10-x64-v7.4.2.24
打開cudnn-9.0-windows10-x64-v7.4.2.24文件夾，得到bin、include、lib三個文件夾
4、將CUDNN中的bin、include、lib文件黏貼到CUDA9.0中
安裝完成cuda9.0過后，將cudnn中的三個文件（bin、include、lib）黏貼到對應的cuda9.0文件中，當然需要准確到找到cuda9.0的安裝位置及其對應的文件。
5、檢測是否安裝好cuda
在cmd中輸入nvcc -V命令，如果出現了版本信息，則說明已經安裝好cuda
6、Pycharm中安裝tensorflow-gpu版本
直接在pycharm的terminal中數據：pip install tensorflow-gpu命令即可，筆者安裝的是tensorflow-gpu1.12.0版本
7、測試安裝tensorflow-gpu版本是否成功
新建一個python腳本，進行測試
import tensorflow as tf
hello = tf.constant('hello,TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
得到輸出為：
恭喜你，已經成功安裝TensorFlow-GPU版本！
注：試錯的過程是漫長的，但是成功那一下是非常有成就的，安裝成功的關鍵，一句總結：多看官網的說明！