1 确定能否安装GPU版本
- 检查自己的电脑是否有NVIDIA（英伟达）的显卡，以及自己的显卡版本是否支持，此外AMD的显卡是不支持的。检查请访问英伟达官网
- 参考TensorFlow官网对安装GPU版本的需求说明。
关键词：CUDA9.0、cuDNN v7.0、CUDA计算力3.0以上的显卡。
2 安装CUDA9.0
CUDA是基于C语言的可以让代码直接在GPU中运行的控制语言，所以第一步需要安装CUDA9.0，内含NVIDIA驱动程序。
安装CUDA之前，需要安装Visual Studio的某个版本，因为没有这个的话，无法安装CUDA。本教程使用的是VS2017，建议安装VS2015，这样可以跳过步骤4、6。
运行下载的
cuda_9.0.176_win10.exe会安装CUDA安装器，路径使用默认的即可，因为这只是CUDA安装器，安装完CUDA后会自动删除。进入CUDA安装器后，选择自定义安装，不做修改点击下一步，选择安装路径，我的路径是1、3是D:/CUDA/v9.0，2选择D:/CUDA/cuda samples。等待安装完成即可。由于我使用的VS2017 15.8.5版本CUDA9.0不太支持，所以需要修改
D:/CUDA/v9.0/include/crt/host_config.h(找你自己相应的安装路径)，把#if _MSC_VER < 1600 || _MSC_VER > 1911改成#if _MSC_VER < 1600 || _MSC_VER > 1915，这样修改是为了支持15.8.5版本的VS2017，如果是VS2015可以不用修改。进入下面这个路径（以我自己的为例），选择自己的VS对应的版本打开。我的是
nbody_vs2017.sln。
- 还是因为VS2017的缘故，需要安装VS2015工具集，下载地址：点击这里
下载下图所示的工具包，然后安装。或者在安装VS2017选择安装VS2015工具集。
- 右键 nbody->属性->常规->Platform Toolset 选择如下图，点击应用->确定。
- 打开
nbody.cpp,然后点击菜单栏 生成-> 生成解决方案，等待生成。
-
进入下面这个路径查看是否生成
nbody.exe，双击应该可以正常运行。 最后打开命定行，输入：
nvcc –V，输出如下图即安装CUDA9.0成功。
3 安装cuDNN v7.0
cuDNN是CUDA的库，易于写代码。下载需要先注册为英伟达开发者，按提示进行即可。
下载地址：点击这里
选择下面这个版本，其他版本不兼容。
解压后应该得到
cudnn-9.0-windows10-x64-v7文件夹，进入到cuda目录，将里面的三个文件夹拷贝到你的CUDA安装路径即可，比如我的是D:\CUDA\v9.0。（注意安装CUDA时自定义了两个路径，1、3一个，2一个，拷到1、3对应的路径。）检查环境变量。右键我的电脑，属性->高级->环境变量，查看
CUDA_PATH是否是你的CUDA安装路径。打开一个VS项目，右键项目（比如还是上文的
nbody.sln）->属性 -> 链接(Linker) -> Input -> Additional Dependencies，添加cudnn.lib。
4 安装TensorFlow
建议安装Anaconda，会简化很多工作。本教程是使用Anaconda安装。
首先创建python3.6的虚拟环境tensorflow，cmd输入：
conda create -n tensorflow pip python=3.6
删除环境：conda env remove -n tensorflow
激活环境：activate tensorflow
取消激活：deactivate激活tensorflow环境后，下载GPU版本的tensorflow：
pip install --ignore-installed --upgrade tensorflow-gpu验证安装：
在tensorflow环境中，输入python
然后输入代码：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello).decode())
输出：Hello, TensorFlow!
5 恭喜完成！
欢迎进入深度学习的坑！
——————————————————————————————————————
（原创不易，所有内容纯手打，请点赞支持！谢谢！）
