鑑於我自己踩過的坑，提醒大家千萬不要直接pip install tensorflow-gpu而不指定版本！！！我一開始用最新的1.13.1版本總是報“ImportError: DLL load failed: 找不到指定的模塊。”的錯誤，果斷的卸載後安裝了1.11.0版本，直接就OK啦！
由於我之前已經安裝了vs2015、Anaconda和Pycharm，就不在此贅述了。
本機配置：
- GTX 1060 3G
![]()
- Win10 64
![]()
- vs2015
![]()
- Anaconda3 5.1.0
![]()
- Pycharm
![]()
安裝GPU的TensorFlow必須先安裝CUDA和cuDNN，而且這三者之間的版本對應必須格外注意！！！
注：CUDA是顯卡驅動程序，cuDNN是用來加速深度學習訓練的庫
我自己採用的是CUDA 9.0+cuDNN v7.0+tensorflow-gpu 1.11.0
一、安裝CUDA
CUDA版本:cuda_9.0.176_win10（配套的cuDNN是V7.0）
下載地址：https://developer.nvidia.com/cuda-90-download-archive
CUDA的安裝十分簡單，根據自己的系統選對應的下載包，使用默認的精簡安裝，根據提示一直下一步就可以了。
安裝好後，在命令行輸入 nvcc -V，顯示如下即可。
二、安裝cuDNN版本:cudnn-9.0-windows10-x64-v7
下載地址：https://developer.nvidia.com/cudnn
下載解壓後文件如下：
直接將上面顯示的所有文件複製，粘貼到安裝的CUDA的路徑下即可，同名的文件夾會自動合併。
通常的默認路徑是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
三、配置環境變量
一般情況在安裝CUDA的時候下面兩張圖是配好的。
我們需要手動配置的環境變量如下：
四、安裝tensorflow-gpu
1.在Anaconda新建一個tensorflow-gpu環境（當然不想新建環境也可以直接在Anaconda的root環境下安裝）
conda create -n tensorflow-gpu python=3.6
(D:\Python\Anaconda3-5.0.1) C:\Users\sxq>conda create -n tensorflow-gpu python=3.6
Fetching package metadata .....
Solving package specifications: .
Package plan for installation in environment D:\Python\Anaconda3-5.0.1\envs\tensorflow-gpu:
The following NEW packages will be INSTALLED:
certifi: 2016.2.28-py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
pip: 9.0.1-py36_1 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
python: 3.6.2-0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
setuptools: 36.4.0-py36_1 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
vc: 14-0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
vs2015_runtime: 14.0.25420-0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
wheel: 0.29.0-py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
wincertstore: 0.2-py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
Proceed ([y]/n)? y
#
# To activate this environment, use:
# > activate tensorflow-gpu
#
# To deactivate an active environment, use:
# > deactivate
#
# * for power-users using bash, you must source
#
2.建立tensorflow環境後，每次需要在該環境下工作，我們需要先激活tensorflow-gpu進入環境
activate tensorflow-gpu（退出是deactivate tensorflow-gpu）
3.安裝所需的包
gpu版本的tensorflo輸入以下命令：
pip install --ignore-installed --upgrade tensorflow-gpu==1.11.0
更新pip命令：
python -m pip install --upgrade pip
可用如下代碼測試tensorflow-gpu是否安裝成功：
import tensorflow as tf
# 新建一個 graph.
with tf.device('/gpu:0'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# 新建 session with log_device_placement 並設置爲 True.
sess = tf.Session(config=tf.ConfigProto(
allow_soft_placement=True, log_device_placement=True))
# 運行這個 op.
print(sess.run(c))
五、安裝OpenCV
pip install opencv-python
可用如下代碼測試OpenCV是否安裝成功：
import cv2
img = cv2.imread("D:\dog.jpg")
cv2.imshow("dog", img)
cv2.waitKey()
所有安裝完成後，使用conda list查看已安裝的包如下所示：
