强烈建议如果有N卡的同学直接装GPU版
CPU版其实实在太慢，基本完全不能用。所以如果没有N卡的同学还是想办法给电脑搞一张N卡。
为什么安装好所有环境后还是无法运行起来，报很多的错误
其实就是Tensorflow需要环境没有搭配好。
首先要知道，不是你想装什么版本就装什么版本。
比如，一开始我们在安装python的时候，不管是直接装还是用anaconda来装，我们都喜欢尽量用最新版本。一旦你先装好了python环境再去装tensorflow-gpu那不好意思，搞到最后你会发现你装好tensorflow-gpu后还是无法运行。因为这个逻辑是错误的。
正确的步骤应该是先查找自己的CUDA版本。然后倒推我应该装什么python版本。再来通过python版本倒推我应该安装哪一个tensorflow版本。
所以总结就是 ：
你的显卡CUDA版本决定了=> 你只能安装相应的python版本
你的python版本决定了=> 你只能安装相对应的tensorflow版本
环境需要：Python对应版本 =>CUDA对应版本=>cuDNN对应版本=>tensorflow_gpu对应版本
来看一张表https://tensorflow.google.cn/install/source_windows
GPU
| 版本 | Python 版本 | 编译器 | 编译工具 | cuDNN | CUDA |
|---|---|---|---|---|---|
| tensorflow_gpu-1.12.0 | 3.5-3.6 | MSVC 2015 update 3 | Bazel 0.15.0 | 7 | 9 |
| tensorflow_gpu-1.11.0 | 3.5-3.6 | MSVC 2015 update 3 | Bazel 0.15.0 | 7 | 9 |
| tensorflow_gpu-1.10.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.9.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.8.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.7.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.6.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.5.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.4.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 6 | 8 |
| tensorflow_gpu-1.3.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 6 | 8 |
| tensorflow_gpu-1.2.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
| tensorflow_gpu-1.1.0 | 3.5 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
| tensorflow_gpu-1.0.0 | 3.5 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
如果需要用anacanda安装python环境的就可以看看这张表
现在没有镜像资源了，提示下载时用迅雷下载速度会快一些。
百度云你有超级会员也是可以的。
https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow-gpu/
anacanda版本对应的python环境
安装步骤
1、CUDA和CUDNN的安装
先得知道自己电脑的CUDA是什么版本 控制面板-NVIDIA控制面板-帮助-系统信息- 组件 在这里就可以查看到
https://developer.nvidia.com/cuda-toolkit-archive CUDA版本下载
https://developer.nvidia.com/rdp/cudnn-archive CUDNN版本下载 下载这个需要注册，奈何我注册时邮箱一些收不到验证，所以只好直接百度对应的版本。不想注册的同学也可以用的我办法。
CUDA下好直接安装。
CUDNN下好后解压出来，把bin lib include文件夹复制到你的CUDA对应目录文件夹下
如：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
然后添加环境变量 bin （一般在安装ruda时会自动添加好）和lib下的x64
如: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
注：最好把自己的显卡驱动都更新一下
2、找到需要的对应python环境后然后再查看对应的 anaconda版本
如我的CUDA是8.0版本。我装的CUDNN是6.0 ，相找对应图表，所以对应的python就是3.5x-.3.6x。然后再找到对应的anaconda版本就可以了。
anaconda安装好后,再通过图标查看应该安装的对应tensorflow版本。
打开Anaconda Prompt输入命令 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==tensorflow版本号
如pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.3.0
安装好后就OK 了，其实并不复杂，只要逻辑搞对了就简单了。
测试
import tensorflow as tf
sess = tf.Session()
a = tf.constant(1)
b = tf.constant(2)
print(sess.run(a+b))
sess.close()自己踩了两天的坑，系统都重装了好几次，为了不让大家不走弯路，以上便是我用血泪换来经验。如果安装成功的同学，别忘记回来点个赞。