我的环境：Win10 + Anaconda + tensorflow-gpu1.14 + CUDA10.0 + cuDNN7.6 + python3.6
注意：tensorflow版本、CUDA版本、cuDNN版本和python版本是一一对应的。
一、确定自己需要和可以安装的版本
1.查看自己的电脑是否支持搭建GPU环境和适合的CUDA版本
控制面板 -> 设备管理器 -> 显示适配器，检查cuda是否支持本机gpu，查看本机显卡配置，对比官网的显卡型号是否支持
需要计算能力大于3.1https://developer.nvidia.com/cuda-gpus ，
控制面板 -> NVIDIA控制面板 -> 系统信息，根据版本查找可以支持安装的CUDA版本https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html ，（向下兼容）。
2.查看适合的CUDA对应支持的python，tensorflow等版本，https://www.tensorflow.org/install/source_windows
（Anaconda已经下载完了）
二、下载CUDA10.0
官网下载网站，下载完是个exe文件，双击安装，Visual Studio，Nsight都是CUDA C的IDE，如果不用的话可以都不用安装，否则选择安装的话，他就会提示你安装Visual Studio。显卡驱动因为我们已经查看过自己的驱动程序版本了，所以一定是支持的，不会出现驱动程序版本太低的情况，所以应该选择不安装（我当时选择安装，结果驱动程序版本降了原先是441.45，现在变成了411.31）。
后面就是next然后安装成功了。然后cmd输入nvcc -V测试安装是否成功。
三、安装cuDNN
cuDNN的版本注意与CUDA版本对应一致，官网下载（要先邮箱注册再登录一下）。
下载完解压，然后把include、bin、lib文件件内的文件都移到cuda安装目录下的include、 bin、lib里面。
配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：
首先win+R启动cmd，cd到安装目录下的 ...\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe，两个结果都显示pass则证明成功。
四、下载安装tensorflow1.14
（先在anaconda中建好虚环境，我的tensorflow2.0虚环境已配置好，因为网上一些经典代码是tensorflow1.x环境下的，而有些库tf2.x已经不支持了，所以在此安装tensorflow1.14）
安装前可先python -m pip install --upgrade pip更新pip，否则可能提示pip版本过低。
pip install tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
用清华镜像源下载，否则容易出现下载超时错误。
测试安装成功代码：
import tensorflow as tf gpu_ok = tf.test.is_gpu_available() print("tf version:", tf.__version__) print("use GPU", gpu_ok)
不用手动添加path路径了（当时我更改了CUDA的文件名导致出错了，正常情况路径它自动添加好了，如果报错的话，可以再核实一下路径是否已添加）。
