tenserflow1.14gpu Windows安装
保存一下自己安装的过程，省的以后忘记了。
参考：
https://zhuanlan.zhihu.com/p/37086409
https://zhuanlan.zhihu.com/p/84582153
https://blog.csdn.net/u012400305/article/details/84590259
前提：已安装anaconda3
查看安装版本
查看本机显卡是否支持CUDA
-
查看本机显卡型号 ：右键电脑，点击管理
-
查看显卡是否支持CUDA ：可在如下网址中搜索显卡型号查看， 显卡信息
在reset filter中输入显卡型号
CUDA：6.1表示支持CUDA
根据tenserflow查找安装版本
在该网址上根据tenserflow版本号查看需要安装的CUDA和cuDNN的版本号
注意把右上角的语言改成引英文
网页翻到下面就可以看到对应的版本号，如图，tenserflow14.0对应的CUDA和cuDNN分别为10和7.4。
安装CUDA
根据上文的版本号，在 CUDA中找到10.0（参考回答说10.0与14.0最匹配）版本，下载安装包。
Windows选择下面的设置下载安装包（install type我选的local）
下载完毕后直接运行安装（默认设置）。
查看安装是否成功：打开Anaconda Prompt并输入如下命令
nvcc -V
出现如下结果，则安装成功。
安装cuDNN
根据上文的版本号，在 cuDNN中找到7.4，我选择的是7.4.2，注意for CUDA 10.0。
点开后选择适合本机的下载。
下载后解压，打开文件夹，会出现下面的三个文件夹。
把这三个文件夹中的文件直接复制到CUDA安装的对应目录中，即下图中的对应的三个文件夹。
查看并添加环境变量
在环境变量中添加下面四个（注意改安装地址）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
安装tenserflow14.0
创建虚拟环境
打开Anaconda Prompt，输入下面命令建立名为tensorflow的虚拟环境（这里的Python用的3.7）。
conda create -n tensorflow pip python=3.7
可以使用下面命令把源换成清华的，下载会快一点。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
**环境
activate tensorflow
安装TensorFlow
（这里直接用清华的源，安装的1.14.0）
pip install --ignore-installed --upgrade tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
测试是否成功
由于自己的编译器是pycharm，直接在pycharm中连接conda的虚拟环境。
在pycharm中创建项目，并选择existing interpreter。
检查是否使用GPU运算：执行下面脚本
import tensorflow as tf
#Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name=‘a’)
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name=‘b’)
c = tf.matmul(a, b)
#Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runs the op.
print(sess.run( c ))
GPU:0表示使用GPU计算。