TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要。如果你要安装 GPU 版本，请先确认你的显卡支持 CUDA。我安装的是 GPU 版本，采用 pip 安装方式，所以就以 GPU 安装为例，CPU 版本只不过不需要安装 CUDA 和 cuDNN。
1. 确认你的显卡支持 CUDA
打开网址找到对应的显卡：https://developer.nvidia.com/cuda-gpus
确认显卡是否支持
我这里是 GXT 1060
2.下载并安装 Visual Studio ，因为CUDA需要Visual Studio的支持。
下载地址：https://www.visualstudio.com/zh-hans/
image.png
安装选项：
image.png
3. 下载安装 CUDA Toolkit 9.0
官网网址：https://developer.nvidia.com/cuda-90-download-archive?tdsourcetag=s_pctim_aiomsg
下载：
image.png
安装：
image.png
4. 下载 cuDNN，并解压到目录，把对应的目录地址添加到path环境变量
https://developer.nvidia.com/cudnn
image.png
下载 cuDNN必须需要一个账号，如果没有，注册一个新的账号，登录后才能下载。
下载：
image.png
解压
image.png
添加到环境变量
添加到环境变量
5. 安装 Anaconda，因为这个集成了很多科学计算所必需的库，能够避免很多依赖问题
image.png
把 Anaconda安装目录 添加到环境变量
image.png
6. 使用 pip 安装 tensorflow GPU版本
管理员身份打开cmd
image.png
输入：
pip install --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple
-ihttps://pypi.tuna.tsinghua.edu.cn/simple：使用清华的镜像，飞一般的速度。
7. 测试程序：
importtensorflowastfa = tf.random_normal((100,100))b = tf.random_normal((100,500))c = tf.matmul(a, b)#矩阵相乘sess = tf.InteractiveSession()sess.run(c)
执行结果
出现以上结果，说明安装成功了。
