TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的撑持，CPU 版本不需要。如果你要安置 GPU 版本，请先确认你的显卡撑持 CUDA。我安置的是 GPU 版本，给与 pip 安置方法，所以就以 GPU 安置为例，CPU 版本只不过不需要安置 CUDA 和 cuDNN。
在 这里 确认你的显卡撑持 CUDA。
确保你的 Python 版本是 3.5 64 位及以上。（TensorFlow 从 1.2 开始撑持 Python 3.6，之前的官方是不撑持的）
确保你有不变的网络连接。
确保你的 pip 版本 >= 8.1。用 pip -V 检察当前 pip 版本，用 python -m pip install -U pip 升级pip 。
确保你安置了 VS2015 或者 2013 或者 2010。此条非必需，删除。
别的，，建议安置 Anaconda，因为这个集成了很多科学计算所必须的库，能够制止很多依赖问题，安置教程可以参考 这里。
以上条件切合，那么恭喜你可以开始下载 CUDA 和 cuDNN 的安置包了，注意版本号分袂是 CUDA 8.0 和 cuDNN 5.1（由于 TensorFlow 差别版本有变革，5.1 已不再适用新版本，此处请结合 说明），这是 Google 官方保举的。可以去各自官网下载，我已经下载好打成一个压缩包放到了百度云，大家可以从 这里下载，暗码 5aoc。
安置TensorFlow由于Google那帮人已经把 TensorFlow 打成了一个 pip 安置包，所以此刻可以用正常安置包的方法安置 TensorFlow 了，就是进入命令行执行下面这一条简单的语句：
# GPU版本 pip3 install --upgrade tensorflow-gpu # CPU版本 pip3 install --upgrade tensorflow1
2
3
4
5
然后就开始安置了，速度视网速而定。
安置网之后你试着在 Python 中import tensorflow 会报告你没有找到 CUDA 和 cuDNN，所以下一步就是安置这两个对象。
安置CUDA 8.0下载并安置CUDA Toolkit
Toolkit 8.0或更高版本：https：//developer.nvidia.com/cuda-downloads
示例安置目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
这个也是很简单的，下载完我上面给的压缩包之后，解压，得到两个文件，阿谁 exe 文件就是 CUDA8 的安置措施，直接双击执行就可以了，就像安置正常的其他软件一样，安置过程屏幕可能会闪烁，没关系，而且安置时间有点长。
安置完之后系统变量会自动为你添加上，这个不用管。
测试一下是否安置告成，命令行输入 nvcc -V ，看到版本信息就暗示安置告成了。
Google 于 2017 年 8 月 17 日摆布颁布了 TensorFlow 1.3，该版本不再撑持 cuDNN 5，开始撑持 cuDNN 6，并估量在 TensorFlow 1.4 撑持 cuDNN 7，所以说当你使用 pip 安置最新版的时候，请使用 cuDNN 6，而不是我供给的 5.1，否则会呈现 的问题。
TensorFlow 1.3 中关于 cuDNN 的 刊行说明：
All our prebuilt binaries have been built with cuDNN 6. We anticipate releasing TensorFlow 1.4 with cuDNN 7.
TensorFlow 1.2 中关于 cuDNN 的 刊行说明：
TensorFlow 1.2 may be the last time we build with cuDNN 5.1. Starting with TensorFlow 1.3, we will try to build all our prebuilt binaries with cuDNN 6.0. While we will try to keep our source code compatible with cuDNN 5.1, it will be best effort.
下载并安置适用
于Windows 10的cuDNN cuDNN 6.1版库：https：//developer.nvidia.com/cudnn
您需要在Nvidia注册才华下载这些文件。此刻将cuDNN文件解压到您的Toolkit目录中
环境变量
确保在安置CUDA工具包之后，将CUDA_HOME设置为环境变量。如果没有，那么你需要手动添加它。
和路径变量一样..
我们将安置Anaconda，因为它可以辅佐我们轻松打点特定Python刊行版的单独环境，而不会影响系统中安置的python版本。
下载并安置
Anaconda
创建conda环境
创建新的环境，名称为tensorflow-gpu和python版本3.5.2
conda create -n tensorflow-gpu python=3.5.2
激活环境 activate tensorflow-gpu
安置tensorFlow
pip install https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl
这里我是在清华源网安置的tensorflow-gpu 的1.3版本，定向版本安置。
完成。您已经在您的Windows机器上告成安置了带有GPU的TensorFlow。
此刻让我们来测试它是否使用GPU ...
激活我们创建的环境
activate tensorflow-gpu
测试GPU
进入python shell
python
import tensorflow as tf
此刻运行这个命令并查抄它是否识别你的GPU。
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
