前言：tensorflow-gpu的安装过程中，插件的版本是相互匹配的。对于其他版本显卡的安装仅供参考。本次安装是在Anaconda的虚拟安装环境中进行的。

1.查询本机的显卡信息

找到电脑的”控制面板“->"硬件和声音“->"NVIDIA 控制面板”

在“帮助”中找到“系统信息”，查看NVCUDA.DLL的信息，找到对应的CUDA版本号

2.下载Anacnoda

进入Anaconda官网

根据自身需要进行下载，笔者下载的是64位windows的版本

安装过程略，这里提醒一点，安装进行到这一步时，记得两个都选，这样可以自动添加环境变量。

安装完成后，在开始中找到Anaconda3文件夹，进入Anaconda prompt

输入：conda --version检查Anaconda是否安装成功，下图即为成功

3.安装tensorflow-gpu

由于本机已经安装过了，我就不详细展示安装过程界面了。下图显示了tenseflow安装的环境要求和需要匹配的版本号

参考文章：https://blog.csdn.net/lly1122334/article/details/97234728

（1）创建tensorflow-gpu环境，这里我选择了python3.6

conda  create -n ttensorflow-gpu python=3.6

（如需卸载环境则使用：conda remove -n tensorflow-gpu --all）

查看刚刚创建的tensorflow-gpu：conda info --envs

（2）激活tensorflow-gpu环境

激活环境：activate tensorflow-gpu

（退出环境用：conda deactivate）

（3）安装tensorflow-gpu

因为tensorflow默认安装最新版本，但可能会出现不兼容，所以这里指定安装版本，而且为加快安装速度，指定安装来源。这里选择tensorflow-gpu1.9.0

gpu版tensorflow安装：pip install tensorflow-gpu==1.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

cpu版tensorflow安装：pip install tensorflow==1.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成结果如下（这里的图片来自Guan997，我和他的结果一样）：

参考文章：https://blog.csdn.net/gyp2448565528/article/details/79451212

测试一下:首先进入python环境，输入import tensorflow

参考文章：https://blog.csdn.net/gyp2448565528/article/details/79451212

提示需要安装CUDA9.0

4.安装CUDA和Cudnn

CUDA进入网址就可以下载，Cudnn需要注册一下才可以下载。

这里提供两个资源：百度云盘和官方下载

CUDA9.0和Cudnn7.0百度云下载地址:

链接：https://pan.baidu.com/s/10QpBgis0rPnXI0vj0byqIg

提取码：d2r1

官方下载地址：

CUDA:https://developer.nvidia.com/cuda-toolkit-archive

选择适合自己电脑的版本进行下载

Cudnn需要注册一下才能下载，地址：https://developer.nvidia.com/cudnn

参考文章：https://www.jianshu.com/p/f4e6ed72703a

安装CUDA

点击安装包进行安装，CUDA安装需要Visual Studio中c++开发环境支持，所以有两种方法：一是安装Visual Studio，二是只下载需要的那个包（我需要的是Microsoft Visual C++  2015 redistri（x64））。笔者之前安装过Visual Studio 2019 ，所以这里不在赘述。

安装Visual Studio 时需要注意，一定要选择“使用C++的桌面开发”选择项，其他随意

参考文章：https://www.jianshu.com/p/f4e6ed72703a

CUDA安装很简单，需要更换安装位置的童鞋可以选择“自定义安装”。由于笔者先安装了Visual Studio，所以需要在“选择驱动安装组件”页面中取消安装"CUDA“下的“Visual Studio Integration”选项，否则会安装失败（笔者踩过的坑）

参考文章：https://blog.csdn.net/Jasmine_z_s/article/details/87622371

把Cudnn解压后的文件放在CUDA的安装路径下

笔者的是在D:\NVDIA\NVIDIA GPU Computing Toolkit\CUDA\v9.0

然后把CUDA添加到系统的环境变量中（以下是笔者的环境变量）

D:\NVDIA\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

D:\NVDIA\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp

D:\NVDIA\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib

D:\NVDIA\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include

5.测试tensorflow

然后回到之前的页面

输入import tensorflow，如果没有报错则安装成功（warning可以忽略）

之前，笔者在进行完所以过程后import tensorflow，出现了错误，错误信息如下（没有截图，找来了别人的信息，我的错误提示和他一样）

参考文献：https://www.cnblogs.com/jiyongjia/p/10502980.html

解决方案是在tensorflow-gpu环境中输入：pip install protobuf==3.6.0 (版本要与python匹配哦)

不幸的是，笔者试着安装数次后，总是在下载途中提示安装超时失败。

解决方法是：找到“开始”->"Anaconda3"->"Anaconda Navigator"

找到"Environment"->"tensorflow-gpu"(之前创建的虚拟环境)

下载查找到的版本，下载完成后，回到之前的环境中尝试命令pip install protobuf==3.6.0 ，进行升级protobul版本，几次失败后，最终成功。

进入python环境测试import tensorflow，没有报错。

6.将环境加载到pycharm下

找到“File”->"Settings"->"Project Interpreter"点击"Add"

选择“Exising Environment”，找到Anaconda下的虚拟环境tensorflow-gpu所在文件夹，选中文件夹下的“python.exe”，之后一路OK，完成配置。（笔者python.exe所在位置  D:\Anaconda\envs\tensorflow-gpu\python.exe）