這裡以win10系統安裝gpu版tensorflow（cuda8.0+cudnn6.0）為例，為大家介紹AI開發環境的搭建。
圖1-1
2.然後選擇元件，可以看到NVCUDA.DLL後面的版本號即為需要下載的cuda版本，從下圖可以看到爪機支援的是CUDA8.0。
圖1-2
在網站https://developer.nvidia.com/cuda-toolkit-archive下載CUDA Toolkit 8.0 GA2
圖2-1
下載地址為https://developer.nvidia.com/cudnn，下載前要先註冊賬號（免費滴）。
官網的推薦中，CUDA8.0對應cuDNNv7.2.1，但是tensorflow 1.4實測報錯要求cudnn6.0,所以還是下載6.0吧（如果確實要用cuDNNv7，可考慮編譯tensorflow原始碼）。
1.建議用管理員許可權執行下載的cuda.exe的檔案，開啟後會首先進行系統檢查
下面繼續，同意後記得選擇自定義安裝：
圖4-1
2.這裡我選擇的是安裝前兩個，第三個驅動不需要，當然你們也可以嘗試裝一下
圖4-2
3.安裝位置建議選擇預設位置
圖4-3
圖4-4
5.安裝完成成後需要去配置環境變數：
對我的電腦右鍵依次選擇屬性，高階系統設定，環境變數，開啟如下介面。
圖4-5
6.然後重複新建以下變數：
CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0CUDA_PATH_V7_5 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0CUDA_LIB_PATH = %CUDA_PATH%\lib\x64CUDA_BIN_PATH = %CUDA_PATH%\binCUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
圖4-6
7.依次填入後，找到path變數如圖，然後雙擊開啟：
圖4-7
圖4-8
9.配置好之後可以去驗證一下是否已經裝好了cuda，在cmd視窗輸入nvcc -V（這裡我輸成了小寫v，所以報了個錯，注意是大寫V）
小寫v報錯畫面：
圖4-9
大寫V正確畫面（這裡寫的是version，其實可以直接寫大寫的V就行了）：
圖4-10
顯示版本，表明cuda8.0安裝成功了。
將下載的cudnn解壓，可以看到裡面有三個資料夾：
圖5-1
將這三個資料夾解壓到：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
(注意按照你自己實際的安裝位置來決定解壓位置)
圖5-2
建議大家先安裝一下Ananconda，他可以搭建虛擬環境，很好用，Anconda的安裝不再詳細去寫，網上很多，也很簡單，自己嘗試一下。
安裝完成後開啟cmd視窗：
1.建立conda環境，輸入：conda create -n gpu python=3.6（我的環境命名是gpu)
圖6-1
2.啟用進入你的conda環境：activate tensorflow-gpu
3.出現的一些報錯（你們不一定有）：
no modle named "six" 解決方法：輸入 pip install six
no modle named "pakging " 解決方法：輸入 pip install pakging
no modle named setuptools.wheel 解決方法：pip install --upgrade setuptools
或者 pip install setuptools
4. 所有報錯解決後就可以pip install tensorflow-gpu==1.4.0
圖6-2
安裝完成了~
最後可以開始測試了，各位只需要選擇你們建立的conda環境下的python.exe直譯器來執行即可，根據自己的編輯器去進行操作。
當然也可以直接在這個環境下輸入cmd命令：python
然後來進行個小測試吧：
依次輸入下面內容
import tensorflow as tf
hello = tf.constant("Hello, TensorFlow!")
sess = tf.Session()
print(sess.run(hello))
然後run起來
圖7-1
紅色部分為tensorflow輸出的log，主要是提醒（warning）。
可能出現的情況一：
圖8-1
上圖表明情況正常，說明安裝的驅動比要求的新一點，直接點繼續
圖8-2
這種情況可能就是你的cuda版本跟系統不相容了，考慮換個cuda版本，根據我在上面給出的檢視顯示卡支援的cuda型號的方法去選擇。
九.附錄：
[1] https://blog.csdn.net/Candy_GL/article/details/79435151
這裡以win10系統安裝gpu版tensorflow（cuda8.0+cudnn6.0）為例，為大家介紹AI開發環境的搭建。
圖1-1
2.然後選擇元件，可以看到NVCUDA.DLL後面的版本號即為需要下載的cuda版本，從下圖可以看到爪機支援的是CUDA8.0。
圖1-2
二.nvidia官網下載cuda8.0在網站https://developer.nvidia.com/cuda-toolkit-archive下載CUDA Toolkit 8.0 GA2
圖2-1
三. cuDNN6.0下載下載地址為https://developer.nvidia.com/cudnn，下載前要先註冊賬號（免費滴）。
官網的推薦中，CUDA8.0對應cuDNNv7.2.1，但是tensorflow 1.4實測報錯要求cudnn6.0,所以還是下載6.0吧（如果確實要用cuDNNv7，可考慮編譯tensorflow原始碼）。
四.安裝cuda 環境1.建議用管理員許可權執行下載的cuda.exe的檔案，開啟後會首先進行系統檢查
下面繼續，同意後記得選擇自定義安裝：
圖4-1
2.這裡我選擇的是安裝前兩個，第三個驅動不需要，當然你們也可以嘗試裝一下
圖4-2
3.安裝位置建議選擇預設位置
圖4-3
圖4-4
5.安裝完成成後需要去配置環境變數：
對我的電腦右鍵依次選擇屬性，高階系統設定，環境變數，開啟如下介面。
圖4-5
6.然後重複新建以下變數：
CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0CUDA_PATH_V7_5 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0CUDA_LIB_PATH = %CUDA_PATH%\lib\x64CUDA_BIN_PATH = %CUDA_PATH%\binCUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
圖4-6
7.依次填入後，找到path變數如圖，然後雙擊開啟：
圖4-7
圖4-8
9.配置好之後可以去驗證一下是否已經裝好了cuda，在cmd視窗輸入nvcc -V（這裡我輸成了小寫v，所以報了個錯，注意是大寫V）
小寫v報錯畫面：
圖4-9
大寫V正確畫面（這裡寫的是version，其實可以直接寫大寫的V就行了）：
圖4-10
顯示版本，表明cuda8.0安裝成功了。
五.安裝cuDNN將下載的cudnn解壓，可以看到裡面有三個資料夾：
圖5-1
將這三個資料夾解壓到：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
(注意按照你自己實際的安裝位置來決定解壓位置)
圖5-2
六.開始安裝tensorflow-gpu 1.4.0建議大家先安裝一下Ananconda，他可以搭建虛擬環境，很好用，Anconda的安裝不再詳細去寫，網上很多，也很簡單，自己嘗試一下。
安裝完成後開啟cmd視窗：
1.建立conda環境，輸入：conda create -n gpu python=3.6（我的環境命名是gpu)
圖6-1
2.啟用進入你的conda環境：activate tensorflow-gpu
3.出現的一些報錯（你們不一定有）：
no modle named "six" 解決方法：輸入 pip install six
no modle named "pakging " 解決方法：輸入 pip install pakging
no modle named setuptools.wheel 解決方法：pip install --upgrade setuptools
或者 pip install setuptools
4. 所有報錯解決後就可以pip install tensorflow-gpu==1.4.0
圖6-2
安裝完成了~
七.測試最後可以開始測試了，各位只需要選擇你們建立的conda環境下的python.exe直譯器來執行即可，根據自己的編輯器去進行操作。
當然也可以直接在這個環境下輸入cmd命令：python
然後來進行個小測試吧：
依次輸入下面內容
import tensorflow as tf
hello = tf.constant("Hello, TensorFlow!")
sess = tf.Session()
print(sess.run(hello))
然後run起來
圖7-1
紅色部分為tensorflow輸出的log，主要是提醒（warning）。
八．安裝cuda時的常見錯誤可能出現的情況一：
圖8-1
上圖表明情況正常，說明安裝的驅動比要求的新一點，直接點繼續
圖8-2
這種情況可能就是你的cuda版本跟系統不相容了，考慮換個cuda版本，根據我在上面給出的檢視顯示卡支援的cuda型號的方法去選擇。
九.附錄：
[1] https://blog.csdn.net/Candy_GL/article/details/79435151