1. 安装前确认工作
- 确保电脑显卡是Nvidia显卡，并且支持CUDA；
- 系统中存在一个64位的版本为3.5（只能为3.5或者3.4）的Python；
- 确保系统拥有Visual C++ Redistributable (x64) 2015以上版本;
- 已经拥有Anaconda环境（需要它是因为需要创建一个独立出来的环境，非必须）.
2.安装环境
由于电脑中的Anaconda的Python版本是3.6的，所以这里就利用conda构建了一个3.5的环境。
1、用管理员身份打开cmd窗口，输入命令conda create --name python35 python=3.5，等待安装完成即可；
2、此时已经在Anaconda安装目录的envs文件夹下创建了一个独立与系统原有的版本的Python，在cmd下输入命令activate python35即可激活它（退出环境使用deactivate python35命令）；
3、进入新环境之后，键入命令pip install tensorflow-gpu安装TensorFlow，等待安装完成；
4、虽然已经安装好了TensorFlow，但是需要使用GPU进行加速，所以需要安装NVIDIA相应的CUDA和cuDnn环境；
5、需要的CUDA版本是v8.0的，cuDnn版本是v5.1的，先前往下列网站下载CUDA v8.0，https://developer.nvidia.com/cuda-downloads ，进行如下图的选择下载即可。下载完成后，完成安装即可；
6、同时，进入一下网站https://developer.nvidia.com/rdp/cudnn-download 下载cuDnn v5.1。值得注意的是，下载cuDnn之前，需要进行NVIDIA网站帐号的注册和相关问卷的填写，完成之后即可转到下载网页；
7、解压下载好的cudnn-8.0-windows10-x64-v5.1.zip文件，将cuda下的三个文件夹复制到CUDA的安装目录下，如图所示覆盖即可；
8、此时打开系统环境变量，设置CUDA_PATH，如下图所示即可；
9、由此，完成安装与设置工作。
3.测试
1、进入cmd激活python35环境，键入python进入python shell；
2、输入import tensorflow as tf导入tensorflow库，无报错即成功安装TensorFlow；
3、键入代码
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
有如下图的效果，即说明使用了GPU进行计算。
