一、环境配置（CUDA+cudnn+tensorflow）

GTX 1050+cuda_9.1.85_win10 + cudnn-9.1-windows10-x64-v7.1 + tensorflow-gpu1.6

二、安装包关系
anaconda 相当于 tensorflow 运行的容器。anaconda 可以创建多个“盒子”（ environment ），每个盒子中的环境互不干扰，所以使用 anaconda 可以同时安装 python3.5/3.6，tensorflow1.3/1.5。
cuda 和 cudnn 是 tensorflow 调用 gpu 所需要的库。也就是说 tensorflow 必须通过 cuda 和 cudnn 来调用电脑的 gpu。

如下图，一个environment叫root，另一个environment就是我们后来创建的tensorflow。tensorflow属于一个独立的conda环境，所以很多包都需要重新安装。安装办法有两种。
（1）直接在anaconda prompt中安装。安装指令为：先进入tensorflow环境，然后输入conda install h5py/matplotlib。
（2）用anaconda的管理功能进行批量安装。
点击 anaconda 下tensorflow环境，在右侧搜索 matplotlib，勾选并点击 apply 即可。

**
三、安装流程

1. 先装NIVIDIA显卡驱动。**
2. 然后根据驱动——帮助信息，确定CUDA的版本。目前本机装了 CUDA 9.1.85_win10.exe
3. 下载cudnn需要先注册NVIDIA 账号，验证，登陆，然后寻找与CUDA版本号匹配的cudnn。本机装的是 cuDNN v7.1.3 Library for Windows 10

不是所有的cuda都适用于你的显卡，也不是所有cuda都和将要安装的tensorflow匹配！就在这里需要搞清楚2件事情，第一，你的显卡适合什么cuda?第二，cuda需要配套什么tensorflow?

由于本机显卡为GTX 1050，cuda_9.1.85_win10.exe+ cudnn-9.1-windows10-x64-v7.1.zip
，目前官网没有相应版本的tensorflow，这里用的是一位大神自己编译的版本。

注：确定适合于自己电脑的CUDA版本的方法：https://www.cnblogs.com/yingchuan-hxf/p/7710071.htmls

打开控制面板，搜索nvidia控制面板。在菜单栏最右侧的【帮助】中点选【系统信息】，在弹出的对话框中，选择【组件】，查阅NVCUDA.DLL文件的产品名称，此处为 NVIDIA CUDA 9.1.83 driver。

四、利用Anaconda搭建TensorFlow环境并在Jupyter Notebook使用

前提条件：已经安装 Python 3.6.0 和Anaconda，已经与tensorflow版本兼容的CUDA。

参考教程：Windows环境下安装TensorFlow并在Jupyter notebook上使用

1. 在win10搜索框打开Anaconda的终端，在Anaconda prompt中安装tensorflow，而不是在cmd中安装。它们属于两个不同的工作环境。
   

2. 先用 conda 创建一个专门给tensorflow的conda工作环境，这个环境与其他环境（如root）互不干扰，因此使用anaconda 可以同时安装 python3.5/3.6，tensorflow1.3/1.5。
   假设Anaconda3的默认路径为C:\Users\Kevin>，可见开头显示如下字样
   “(C:\Users\Kevin> Anaconda3) C:\Users\Kevin>”
   创建conda环境，输入“conda create –n tensorflow python=3.6”， 其中tensorflow为该环境的名字，指定python版本号为3.6。由于Anaconda内置的Python版本是3.6，而有些版本的tensorflow只支持更低级的版本，这里最好设定一下python版本，让这个conda环境专门为tensorflow服务，否则下一步可能会报错说该平台该环境不支持TF的安装。

创建完成以后，点 y，安装必备的函数包。

3. 激活 tensorflow， 使用 conda 安装 tensorflow (同样可选CPU或GPU版本)
   依次输入“C:\Users\Kevin>activate tensorflow“
   “pip install tensorflow及其版本号、类型”

由于显卡为GTX 1050，cuda_9.1.85_win10.exe+ cudnn-9.1-windows10-x64-v7.1.zip，目前官网没有相应版本的tensorflow，这里用的是一位大神自己编译的版本。先将whl文件下载到本地，然后复制到conda默认路径（C:\Users\Kevin>），然后输入如下:
pip install tensorflow_gpu-1.6.0-cp36-cp36m-win_amd64.whl

4. 安装成功后，每次使用 TensorFlow 前都需要激活 conda 环境，使用结束就使之失活。
   查看环境，激活环境，关闭环境的指令依次是
   (1) C:\Users\Kevin>conda info --envs
   (2) C:\Users\Kevin>activate tensorflow
   (tensorflow) C:\Users\Kevin>
   (3) (tensorflow) C:\Users\Kevin>deactivate tensorflow
   C:\Users\Kevin>

5. 以上算是Anaconda安装好了TensorFlow，但要想在Jupyter notebook上使用，还没完。
   由于tensorflow处于一个独立的conda工作环境，所以要在这个环境中安装ipython和jupyter。(一定要装一遍，我当时在这里卡了半天)
   （1） 安装ipython
   指令说明同上，不再赘述。
   

(2)安装jupyter
窗口类似上图。

6. 安装python kernel for Tensroflow：
   (tensorflow) C:\Users\Kevin>ipython kernelspec install-self --user # user前面是两个-
   应该看到类似如下结果
   Installed kernelspec python3 in C:\Users\XXX\Jupyter\kernels\python3

7. 去 jupyter notebook 新建一个文件，试试 import tensorflow as tf，这时应该就可以用啦。
   打开Jupyter notebook
   试试
   import tensorflow as tf
   hello = tf.constant(‘hello,TensorFlow!’)
   sess = tf.Session()
   print(sess.run(hello))

注1：可以安装一些tensorflow比较依赖的模块，例如numpy、matplotlib、scikit-image（图像处理）、librosa（音频提取）、nltk（自然语言处理）、keras（第一个被添加到 TensorFlow 核心中的高级别框架，成为 TensorFlow 的默认 API）等。

注2：CMD常用指令

1.进入python，运行文件

输入：python 文件路径
如 python E:/aa.py

2.查看已经安装的包
conda list

3. 用pip 安装/卸载文件
   pip install tensorflow-gpu
   pip uninstall tensorflow-gpu

4. 激活/失活tensorflow

To activate this environment, use:
activate tensorflow
To deactivate an active environment, use:
deactivate

5. 在CSDN复制网址，发现无法粘贴到浏览器，这是由于HTML5网页的文本不是纯文本，是富文本，无法直接粘贴。
   解决办法：先把网址复制，用纯文本格式粘贴到本地文件（如word、txt），然后把纯文本格式的网址复制粘贴到浏览器。

C:\WINDOWS\system32…文件夹有什么用？
C:\WINDOWS\system32… 这个system32 文件夹中包含了大量的用于 Windows 的文件. 这里主要用于存储 DLL 文件, 控制面板小程序(.CPL), 设备驱动 (.drv), 帮助文件 (.hlp 和 .cnt), MS-DOS 工具 (.com), 语言支持文件 (.nls), 屏幕保护 (.scr), 安装信息文件 (.inf), 以及其它用于支持, 配置, 或操作的文件.这些文件都很重要，缺少哪一个都可能引起系统异常。

参考教程:
[1] windows10 64位 Tensorflow安装–CUDA9.1+cuDNN7.1.1+python3.6.4+tf1.6+vs2017
[2] （通用）深度学习环境搭建： tensorflow 安装教程及常见错误解决
[3] 深度学习之 TensorFlow（一）：基础库包的安装