本文介绍 tensorflow-gpu 1.4.0版本在Windows下的安装教程，并涉及一些必备软件的安装。
准备步骤
简单的说，我们需要 Windows系统 + Anaconda(Python 3.6) + Visual Studio 2015 + [显卡驱动] + CUDA 8.0 + CuDnn 6.0。具体安装流程在第二部分介绍。
系统要求
Windows版本：Windows 7，Windows 8，Windows 10，Windows Server 12/16
Anaconda
使用Anaconda主要是方便搭建和切换不同的Python开发环境，具体安装步骤这里不给出，没有安装的可以参考Anaconda介绍、安装及使用教程。
vs 2015
Visual Studio 2015主要是提供C++的开发编译环境，不然cuda、cuDnn库将无法正常解析。
下载免费的Community版本即可，下载链接 提取码：q5xi 。
显卡要求
具有计算能力3.5或更高版本的NVIDIA®GPU卡。请注意，AMD的显卡不可以使用英伟达开发的CUDA
显卡计算能力的查询可移步到https://developer.nvidia.com/cuda-gpus自行查询。比如笔者的笔记本显卡是GeForce GTX 950M：
驱动程序
另外，如果电脑没有安装显卡的驱动程序，可以移步NVIDIA® GPU 驱动程序自行下载对应型号的驱动程序。
CUDA版本
不同版本的TensorFlow需要指定版本的CUDA的支持，比如本文的tensorflow-gpu 1.4.0版本，需要CUDA 8.0的配合。更多版本对应关系详见文末的附录。
CUDA下载链接：CUDA® Toolkit。
CuDnn版本
CuDnn版本: **CuDnn 6.0 **for CUDA8.0。下载时请对应的你的操作系统选择合适的版本。
请特别注意下载CuDnn前必须注册英伟达社区的会员，https://developer.nvidia.com/rdp/form/cudnn-download-survey，虽然说是英文的但非常简单。
所有软件
安装步骤
请尽量按照本文的安装顺序进行安装，否则有可能运行失败！最重要的是，安装CUDA必须在安装Visual Studio之后，这两个顺序不可以调换。
安装驱动程序
如果已经安装，请跳到下一步。
驱动程序安装比较容易，双击安装程序，一直点下一步即可。
安装Visual Studio 2015
安装VS2015没什么难度，只有一个选项需要自定义，别的选项都可以使用默认值。VS2015的默认安装不包括C++的编译器，必须手动勾选Visual C++，不然会面临后续的CUDA编译错误。
安装CUDA
安装CUDA前请务必确认VS2015安装成功！这个时候你需要安装CUDA，双击我们下载的安装文件即可，双击后会出现下图，要求选择一个目录用于存放NVIDIA CUDA Toolkit安装器，随便选个目录即可，安装完会自动删除。
安装成功后，会出现下图：
验证CUDA安装成功
打开命令行，也就是cmd然后输入“nvcc -V”，如果安装正确的话你应该看到下图的输出，输出中显示了CUDA的版本是release 8.0。
确认系统环境变量
CUDA安装成功后，会自动添加安装目录到系统环境变量，所以需要检查C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin是否已加到系统环境变量，若没有则需要手动添加。
安装CuDnn
解压缩我们下载的CuDnn文件，得到3个文件夹：bin, include, lib。
将这个三个文件夹复制到：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0，如 图：
创建Python环境
Python环境的创建，使用的是conda命令。打开Anaconda命令行窗口，如图：
# 创建Python环境，名称为tensorflow，Python版本为3.6
$ conda create --name tensorflow python=3.6
# 安装好后，使用activate激活环境
$ activate tensorflow
# 若需要退出环境，使用deactivate命令
$ conda deactivate
安装tensorflow-gpu
# 使用pip安装tensorflow-gpu，版本为1.4.0，并国内的豆瓣pip源
$ pip install tensorflow-gpu==1.4 -i https://pypi.douban.com/simple/
# 安装Keras（可选）
$ pip install keras==2.1.3 -i https://pypi.douban.com/simple/
验证TensorFlow GPU
# 激活tensorflow环境
$ activate tensorflow
# 进入Python的 interactive shell
$ python
# 第一个TensorFlow程序
>>> import tensorflow as tf
>>> a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
>>> b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
>>> c = tf.matmul(a, b)
>>> sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
>>> print(sess.run(c))
如果出现类似下图圈中的输出，则代表 TensorFlow GPU是安装成功的。
附录
附录A：tensorflow CUDA cudnn 版本对应关系
附录B：TensorFlow示例运行
TensorFlow GitHub官方仓库
下载相应的代码，可以直接运行samples里面实例。
