自己一个人折腾东西就是要不断爬帖子，在网上参考了各位前辈的攻略后，用了半天加一个晚上终于成功了。网上Ubuntu CUDA的帖子很多，但是很少有Windows的，但是我一个学生党伤不起啊，没钱租机器学习云计算。因为有校园网限制，装ubuntu也不现实。所以只能用Windows的CUDA。

一、准备工作

1、windows 10 64bit 专业版

2、Python 的版本，我用的是3.6.5；

3、cuda_9.1.85_win10.exe: CUDA安装文件。可以去官网下载：NVIDIA官网

CUDA是由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

4、Visual Studio 2015 Community （我装的VS 2017 表示很难受，所以换成VS 2015了）

5、Anaconda3-4.2.0-Windows-x86_64.exe 

Anaconda是一个Python科学计算环境，提供了很多常用的Python库，例如：

numpy，scipy, matplotlib等等。自带的包管理器conda也很强大，可以方便地安装各种Python库。

下载地址：https://www.continuum.io/downloads/

6、DXSDK_Jun10.exe （Windows SDK）

微软的DirectX SDK工具包，不安装它的话，后面编译CUDA_Samples是没法成功的。

7、cudnn-9.1-windows10-x64-v7.1.zip 

CUDA的神经网络加速库，可以在前面GPU加速基础上大概再提升1.5倍的速度。 下载地址：https://developer.nvidia.com/cudnn

二、开始安装

1. 安装DXSDK_Jun10.exe

注意：记住先删除电脑里所有的版本的 Microsoft Visual C++ 20XX Redistributable

否则安装时会报错：

DirectX SDK S1023错误.png

2.检查GPU是否支持CUDA

深度学习库如果使用CUDA进行GPU加速，可以大大缩短计算时间。

先确定下自己的显卡型号。安装CUDA前先检查下，自己的显卡是否支持CUDA，可以从下面的网址查看自己的显卡是否在支持之列。如果你的显卡比较新，到这里检查是否支持CUDA：

https://developer.nvidia.com/cuda-gpus

如果你的显卡很老，请到如下链接检查是否支持CUDA：

https://developer.nvidia.com/cuda-legacy-gpus

注意笔记本和desktop的区别。

3.安装Visual Studio 2015 community

注意：不要安装Visual Studio 2017 否则会因为Windows SDK的原因导致后期无法编译

4.CUDA安装

从CUDA的官网下载安装文件，https://developer.nvidia.com/cuda-downloads，注意安装版本是 CUDA 9.0

注意：不要安装9.1版本 否则会报错（ImportError: Could not find 'cudart64_90.dll'. TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. Download and install CUDA 9.0 from this URL: https://developer.nvidia.com/cuda-toolkit）. 截至2018.4.4

CUDA9.0下载.jpg

如果需要下载CUDA的历史版本，请到这里：https://developer.nvidia.com/cuda-toolkit-archive

5、查看CUDA安装版本

打开命令提示符，输入：nvcc -V

可以看到如下信息：

nvcc.jpg

6、查看CUDA是否安装成功

在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\1_Utilities\deviceQuery中打开deviceQuery_vs2015.sln（vs2015后缀意思是用VS2015打开）

Debug+x64，点击编译运行，根据控制台结果打开C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\bin\win64\Debug  下的deviceQuery.exe    如下图：

CUDA安装成功.jpg

如果运行成功，那么恭喜你的CUDA成功的在win10上安装成功

可以打开一个例程运行看看

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\3_Imaging\bilateralFilter

bilateralFilter.exe

7、 安装Tensorflow

1. 首先准备建立python运行虚拟环境 virtualenv

2. 安装virtualenv（python虚拟环境创建工具）

C:\Users\gjmsds>pip install virtualenv

安装virtualenvwrapper (virtualenv管理工具 )

C:\Users\gjmsd>pip install virtualenvwrapper-win

3. 创建python虚拟环境

C:\Users\gjmsd>workon (查看虚拟环境目录)

workon

C:\Users\kernex>mkvirtualenv --python=D:\Python\Python36\python3.exe tensorflow (使用指定python版本创建虚拟环境)

4. 进入和退出python虚拟环境

C:\Users\gjmsd>workon

C:\Users\gjmsd>workon tensorflow

(tensorflow) C:\Users\gjmsd>deactivate

5. 删除python虚拟环境

C:\Users\kernex>rmvirtualenv py3scrapy

在线网络安装方式

保持网络连接，输入：(tensorflow) C:\Users\gjmsd>pip install tensorflow-gpu

然后就耐心等待吧。如果安装成功了，跳过离线安装方式。

离线安装方式

如果在线从pip安装tensorflow总是失败，那就下载python的whl包，本地安装的。

https://pypi.python.org/pypi/tensorflow-gpu

(tensorflow) D:\Temp>pip install tensorflow_gpu-1.7.0-cp36-cp36m-win_amd64.whl

6、安装CUDNN

cudnn可以在前面GPU加速基础上大概再提升1.5倍的速度，它由NVIDIA开发。可以到NVIDIA官网上下载。下载之前需要注册，然后问一系列问题，请耐心弄完。然后就可以下载了。不要下载错了，下载windows 10 64位系统下，支持CUDA 9.0的cuDNN-9.0，文件名是：cudnn-9.0-windows10-x64-v7.1.zip （注：不建议使用最新版，容易出错）

下载cudnn.jpg

(1) 下载完成后解压缩。里面有bin、include、lib三个目录，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，默认文件夹在：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

(2) 如何验证CUDNN是否配置成功？

↓↓↓↓↓↓↓如果下面的步骤三测试成功，则说明安装成功

如果报错：ImportError: Could not find 'cudnn64_7.dll'.

则说明安装失败

三、测试TensorFlow是否安装成功

新建helloworld.py文件，运行python helloworld.py  代码如下：

import tensorflow as tf  # 引入 Tensorflow 库

gjm = tf.constant("Hello World ! I love TensorFlow ! ")  #创建一个常量 Operation （操作）

sess = tf.Session()  #启动一个 TensorFlow 的 Session（会话）

print (sess.run(gjm))  #运行 Graph (计算图)  python3.x 专用语法

sess.close()  #关闭 Session （会话）

如果正确打印出结果 Hello World ! I love TensorFlow !，不报错，说明tensorflow安装成功。

TensorFlow安装成功.jpg