这是一篇血泪史，博主花了一天的时间，终于配置好了tensorflow GPU加速环境。成功的那一刻，心想着必须留下一篇博客。
博主在参考下面两篇博客
http://blog.csdn.net/sb19931201/article/details/53648615
http://www.jianshu.com/p/c245d46d43f0
以及无数百度和自己的努力下完成了配置。
首先强调版本问题，就是因为版本问题博主浪费了大量时间，博主有一定程度的强迫症，总想着安装最新的东西，万一就可以用呢，好吧，实践告诉我只有GG。最终还是老老实实按照别人的成功案例走。
python
博主原来是3.6.x版本，但是实在是被整怕了，卸载了重新安装了3.5.x，3.6应该问题应该不大（没有尝试），但用起来感觉3.5.x版本更加舒畅很多包都可以直接通过pip install安装完成，相对比较友好。很多人喜欢用Anaconda进行python安装，这个没问题便于版本管理，但是博主觉得安装Anaconda太麻烦，就直接上官网下了python 3.5.2进行安装。
https://www.python.org/downloads/windows/
由于要使用GPU加速，所以需要pip install tensorflow-gpu（tensorflow是CPU版本）
tensorflow-gpu
博主是直接pip下载的，这里也提供一下版本，版本是tensorflow 1.3.0
DirectX SDK 和 Visual Studio
这两个东西个人觉得应该是可以不安装的，虽然博主也安了，参考简书那篇，这个应该是用来测试我们CUDA是否安装成功的东西，用来跑CUDA Samples的。
DirectX SDK
https://www.microsoft.com/en-us/download/confirmation.aspx?id=6812
这个一定要比VS先安装，不然就会报出S1023的错误，这个错误简书里有，那么它的原因是因为如果先装了VS，VS会安装
Microsoft Visual C++ 201x x86 Redistributable
Microsoft Visual C++ 201x x64 Redistributable
而安装DirectX SDK时，会再次安装发生冲突。（如果以前也装了这个驱动，估计也会报错）
还有一个错误可能出现，在安装快结束时，出现txView.dll正在使用，无法复制的错误。那就需要关掉所有的资源管理器窗口，结束进程explorer.exe 就行了。
Visual Studio
由于我们安装CUDA的版本是8.0，Visual Studio最高的版本只能是2015，不能安装2017，因为CUDA samples 的sln文件只到2015。2015版本在官网上已经不提供下载了，大家自行百度把。
CUDA
CUDA 8.0.44
https://developer.nvidia.com/cuda-toolkit-archive
博主上来二话不说就安了最新版9.0，兴高采烈，安装的时候非常顺畅，而且完美适配自己的GTX1060显卡。但是最后转了一圈下来发现，哦嚯，tensorflow并不支持9.0。下面链接为官方文档说明。
https://www.tensorflow.org/install/install_windows
于是全部删了重新来过，但是在安装CUDA 8.0.44的时候，提示跟GTX 10系列自带的驱动并不兼容，于是又去百度，有人说选择高级安装然后只安装CUDA，剩下的选项不勾，于是博主试了之后发现不行tensorflow并不能调用CUDA使用GPU加速，又把CUDA卸了，反复了好几次，最后博主一怒之下，选择了精简安装结果，结果。。。。就可以了。个人觉得就是要安装CUDA8.0自带的驱动才可以让CUDA正常运行与tensorflow-gpu适配起来。
运行C:\ProgramData\NVIDIA Corporation\CUDA\Samples\v8.0\bin\win64\Release\deviceQuery.exe
提示CUDA安装成功。 
再打开python运行如下语句，发现GPU正常运行。 
cuDNN
进一步提速，安装cuDNN，版本6.0。这个部分就参考上面提到的两篇博文都可以。
最后博主测试了前天编写的CNN_MNIST文件，运用cpu一个iteration要跑三分钟左右，而使用GPU，一个iteration只需要10秒，真是大快人心啊！！！