趁着双十一入手了一台组装机，平时用来跑跑Machine Learning，偶尔还可以吃吃鸡。想着之前文章中 在Windows系统下使用Pycharm快速安装CPU版本的TensorFlow，本人同样想通过Pycharm安装GPU版本的TensorFlow到新电脑上。在搭建工作环境的过程中碰到很多问题，比如CUDA Toolkit、cuDNN版本跟TensorFlow版本不匹配问题。我介绍下自己的安装过程，希望该文对你们有帮助！限于个人水平，如有错误请指出！

---

安装准备

安装前请确认你GPU的CUDA计算能力高于3.0（NVIDIA官方支持的对照表在这里 ）

接下来我将介绍一下需要安装的软件（Pycharm和Python安装不介绍了）：

· CUDA Toolkit 8.0  （官网 下载）

· cuDNN v6.0    （官网 下载，下载该软件需要先注册账号）

· Pycharm社区版    （社区版免费）

` Python 3.6.3

注：目前，Pycharm安装的TensorFlow-gpu 版本为1.4.0，测试目前只支持到CUDA Toolkit 8.0、cuDNN v6.0，虽然官网已经有CUDA Toolkit 9.0。

主要介绍下CUDA Toolkit 8.0和cuDNN v6.0下载过程：

CUDA Toolkit 8.0 下载：

CUDA Toolkit 8.0下载示意图 下载安装包和补丁包

cuDNN v6.0 下载：

选择相应版本的cuDNN

---

安装过程

· CUDA Toolkit 8.0

安装完CUDA Toolkit 8.0检查是否安装完成：

cmd命令自查

· cuDNN v6.0

将cuDNN v6.0解压后，添加路径到环境变量Path中：

注意定位到自己的bin文件

· Pycharm

打开pycharm，在菜单栏里flie-settings-project-project interpreter，选择python3 interpreter，然后点击+按钮，输入tensorflow，install package。

TensorFlow-gpu安装示意图

至此，TensorFlow-GPU版本就在电脑上安装好了。

---

本人迫不及待用GPU版本的TensorFlow测试了下之前文章（使用Python+Tensorflow的CNN技术快速识别验证码）在笔记本上跑的代码，效果显著。相比之前9小时1800步，现在只需要559秒1900步，兴奋！！

---

总结

本文介绍了在Windows下TensorFlow GPU版本的安装教程，安装CUDA注意版本之间的兼容性，测试下来TensorFlow1.40目前只支持到CUDA Toolkit 8.0和cuDNN v6.0。

最后贴下新机配置（i7 8700K / Z370 / GTX1080）

希望大家以后在TensorFlow的学习道路中少点阻碍！！！