由於最近跑機器學習相關代碼的時候CPU運算速度跟不上，這才利用GPU來運算代碼，顯然使用GPU來運算速度明顯要快很多，但是搭配GPU的使用環境是真的麻煩且頭疼。網上有很多牛人的搭建過程，雖然他們都成功了，但是大家的情況不一定一樣，有些人肯定也試過他們的方法並且還是沒有成功，所以我還是寫一份博客，以幫助廣大的IT朋友們，還有也是為了方便自己以后的環境搭建。
先來推薦一篇關於關於CUDA9.0的GPU環境搭建博客，我之前不會就是看的他的，后來自己搭建了幾次也就明白怎么回事了，新人不會可以照着操作一遍，成功率很大，過程也很詳細。https://blog.csdn.net/ygjustgo/article/details/78883981
接下來說我的搭建需要：（本人電腦win10·i5-7300HQ處理器·NIVIDA GTX 1050Ti）
1、VS2015版本（vs2013、vs2017也行）,注意CUDA8.0不支持VS2017,建議下載專業版
2、cuda9.0 官網下載
3、cudnn V7.05 官網下載，需要登錄注冊
4、Anaconda3-5.0.1 清華鏡像下載地址
5、pycharm 2018 下載及安裝都在這里
只需要下載以上所需就行，其余的tensorflow根據自己所需在安裝就可以，它們是有嚴格的版本對應關系的，如果 你要下載安裝並使用，一定注意版本匹配問題，很多人用不了都是因為版本不匹配的原因。
給出一張表供大家參考：
（注意：cuda10雖然推出了，但是還存在許多版本問題沒有解決，與tensorflow-gpu之間的匹配不是很好，我安裝過始終沒有搭建好，如果有興趣你可以嘗試一下）
下面說安裝過程：
1.先安裝VS2015（很重要） 如果你不是先安裝的VS2015，而現先安裝了cuda的話，那我建議你還是把cuda卸掉重裝吧；因為先安裝cuda的話，就不會生成配置文件，導致無法使用vs2015；
安裝VS2015很簡單，只需要安裝c++組件就可以，然后一路默認就好。這里提醒使用筆記本的小伙伴們，最好不要安裝在C盤下，還是自己在D盤或者其他盤建一個文件夾去安裝好一點，因為筆記本的C盤容量一般都不大，
沒有必要浪費內存是不是嘛；
2.安裝cuda9.0 選擇對應版本安裝就可以，可以選擇本地安裝或者離線，請隨意
如果有使用360安全衛士啥的小伙伴請注意，先不防退出這個煩人的玩意，不然他會給你說什么惡意軟件入侵騙取錢財啥的。（我每次都快裝好了他給我強制終止了，導致我又從頭開始）最好使用管理員權限安裝，然后一路確認，這個有點大，如果你有心節省C盤的存儲空間，那就安裝到其他盤就可以，不麻煩，安裝成功時會提醒你重啟電腦，所以有什么重要的事系最好先放一放，保存一下再說，成功之后如圖所示
然后就是驗證cuda是否安裝成功了：打開命令提示符 輸入：nvcc -V
看到這個顯示就證明cuda已經安裝成功了！
利用VS2015編譯測試文件 打開C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0，找到對應VS版本的sample，本例中為Samples_vs2015.sln，雙擊打開：
顯示出這個界面：
選擇Release，X64
右鍵1_Utilities，點擊build(build)
成功編譯出現圖片下方文字：成功5個…
至此，“C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\bin\win64\Release”文件夾中會出現我們需要的deviceQuery和bandwidthTest
驗證deviceQuery和bandwidthTest
打開命令提示符：定位到 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release目錄，分別輸入deviceQuery，bandwidthTest並運行，出現如下類似信息便說明CUDA安裝成功
環境變量
- 在用戶變量，Path中添加：C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0\bin
- 確認系統變量中：CUDA_PATH和CUDA_PATH_V9.0已經存在
3.cudnn-9.0-windows10-x64-v7
下載對應的版本就行，一定不要隨便搭配版本，否則就會使用不了GPU
解壓cudnn-9.0-windows10-x64-v7，將文件夾里內容拷貝至安裝CUDA的地方覆蓋對應文件夾，默認文件夾在：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
cudnn就算安裝好了，這就是一個配置文件！
4.anaconda3的安裝
這個就比較簡單了，直接下載對應版本安裝就好，注意它還是有版本匹配存在的，不要亂下載哦！
5.pycharm的安裝我就不用多說了，網站上已經給的比較多了。無非就是注意破解過程而已，這里有一個大神的博客，大家可以參考破解，很簡單的，激活碼問題網上資源太多了，Baidu都會。
6.重頭戲就是TensorFlow的安裝了，anaconda和pycharm都可以安裝，但是我本人覺得你還是自己利用anaconda見一個pycharm環境比較好。
anaconda安裝好了之后打開，找到environment，create一個新的環境，命名為tensorflow，他就作為你的tensorflow環境了；上面installed表示的是你已經安裝的東西，你需要安裝TensorFlow的話，就要在下拉面板里選擇 not installed，然后在后面的搜索框里輸入要安裝的各個包就可以了，注意選擇版本哦！
其實在pycharm里面也是可以安裝TensorFlow的，只是速度太慢，奈何我是急性子，等不得。不過我還是說一下
打開菜單欄 文件-》設置后出現：
里面的東西是我已經裝好的，沒有你也不用擔心。如果沒有使用過pycharm，你可以百度，時下這個IDE還是比較火的，很多人會使用，我這里就只做簡單說明，因為我們的目的是裝好tensorflow-gpu。使用pycharm是要你的電腦有Python編譯器的，如上圖的上面的“Project Interpreter”就是顯示的當前pycharm正在使用的Python環境。點擊后面的設置鍵選擇ADD之后，在下面選擇額外的環境，也就是你搭建的tensorflow環境來使用：
下面說如何安裝tensorflow-gpu,在前面一張圖里的右側有一個綠色的加號，里面就是添加所需包的搜索，點擊進入以后就可以搜索安裝了（顯示藍色字體表示你已經安裝好了的包）：
這里安裝需要等一會，以后有什么包的需要也可以直接在這里添加或者刪除，非常的方便，還有要說明的就是cuda9.0的對應的是使用tensorflow-gpu1.8版本的，不要搞錯了，然后安裝的時候，最好先安裝項目所需要的tensorflow，再安裝tensorflow-gpu，不然會出現覆蓋問題，導致GPU不運行的問題。
運行代碼后，查看GPU使用情況可以在任務管理器里面，也可以cmd進入C:\Program Files\NVIDIA Corporation\NVSMI后，輸入nvidia-smi查看當前GPU使用情況（這里我已經配好了路徑所以可以直接查看）：
看到0號GPU正在使用中，工作路徑也是我的tensorflow路徑，那就表明成功了！
過程非常的復雜，但是，一切都是為了更好的學習。工欲善其事必先利其器！想想我不用在苦苦等待CPU的龜速，我就很滿足了。