一 环境

• 系统：win10专业版
• 显卡：GTX1050Ti

二 安装Anaconda

Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
目前官网提供python3.6版本的anaconda，但尚不清楚tensorflow支不支持python3.6，谨慎起见，决定使用3.5版本的，后文介绍方法。
按步骤安装exe格式的安装包即可，后续配置环境变量：

D:\Anaconda3
D:\Anaconda3\Scripts
D:\Anaconda3\Library\bin

三 安装CUDA 8.0

深度学习库如果使用CUDA进行GPU加速，可以大大缩短计算时间。（CUDA 目前只有NVIDIA 的显卡才支持）

1.下载cuda

• 官网
• 百度云

2.安装

按步骤安装即可，默认地址 C:\ProgramFiles\NVIDIA GPU Computing Toolkit

3.验证

cmd下输入

nvcc -V

显示：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Mon_Jan__9_17:32:33_CST_2017
Cuda compilation tools, release 8.0, V8.0.60

三 环境变量

添加以下环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

四 安装cuDNN 5.1

cuDNN可以在前面 GPU 加速基础上大概再提升1.5倍的速度

1.下载

• 官网
• 百度云

2.配置

解压，将目录下的bin include lib三个文件覆盖 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin

五 Tensorflow

上文提到python版本问题，这里进行配置：

1.配置清华镜像仓库

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

2.新建tensorflow虚拟环境

conda create -n tensorflow python=3.5

3.启动虚拟环境

activate tensorflow

4.安装tensorflow_gpu

pip install --ignore-installed --upgrade tensorflow_gpu

5.测试

进入python3.5环境

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

运行正常则证明安装成功