經過很久才配置好的，經過很多坑，記錄下來，供大家參考一下。我的電腦安裝的版本：Windows：10，Tensorflow：1.14，CUDA：10.0，cuDNN：7.6.3，Anaconda：anaconda3-5.3.1，Microsoft Visual Studio 2017，所有資源都有提供。
重點註釋
不管想要安裝哪個版本的TensorFlow和CUDA，一定記住的是顯卡的驅動版本決定CUDA版本，CUDA版本決定TensorFlow版本，否則就是不管多少次都是失敗（經歷了N次失敗，都是眼淚啊，其他的文章中對這部分強調的不足，所以我放在文章最前面）！我的系統是Windows10，顯卡是NVIDIA GeForce GTX 1660Ti。
目錄
第四步，查看自己電腦的NVIDIA顯卡支持的CUDA版本，同時查看Tensorflow需要的CUDA版本：
第六步，安裝Microsoft Visual Studio：
第一步，查看顯卡型號：
我的電腦---->右鍵---->管理---->設備管理器---->顯示適配器，點開之後就能看見你顯卡的信息了。
第二步，查看自己顯卡的算力：
網址：https://developer.nvidia.com/cuda-gpus。NVIDIA官方給出要安裝CUDA，算力至少要3.5。查看自己的顯卡對應的算力是多少，有的顯卡在這個上面沒有列出來，自己根據版本上下估計一下也可以的。
第三步，安裝Anaconda：
Anaconda官網：https://www.anaconda.com/。我使用的版本是：Anaconda3-5.3.1 Windows 64位，資源網址：https://download.csdn.net/download/laboirousbee/11899207。推薦使用Anaconda，在這裏可以單獨爲gpu配置一個python環境，如果在配置過程中或使用過程中出現問題了，直接刪除這個環境，重新開始即可。在本地電腦出現問題的話處理起來比較費勁。下載下來正常安裝即可，有幾個關鍵的地方如下圖設置即可。安裝的位置可以不選擇C盤，根據自己喜好安裝位置。
完成後anaconda好像是自己會添加環境變量，如果沒有的話，在電腦---->右鍵---->屬性---->高級系統設置---->高級選項卡---->環境變量---->修改Path，根據自己安裝的位置增加如下兩條：D:\Anaconda3；D:\Anaconda3\Scripts。
安裝完成後，在windows的開始菜單中找到Anaconda，然後找到Anaconda Prompt，打開它，類似於windows下cmd，不要弄錯了哦。現在創建一個anaconda的gpu環境。TensorFlow支持python3.5和3.6版的，不支持3.7及以上的，所以我安裝的是python3.6版本。具體操作如下：
1、創建一個名爲gpu的環境
conda create --name gpu python=3.6
2、激活gpu環境
conda activate gpu
3、想要退出gpu環境，返回到base環境
conda deactivate
4、如果在創建過程中出現問題，刪除gpu環境
conda remove -n gpu --all
第四步，查看自己電腦的NVIDIA顯卡支持的CUDA版本，同時查看Tensorflow需要的CUDA版本：
鼠標放在桌面空白的地方，右鍵，可以看到NVIDIA控制面板，然後打開。（如果這種辦法找不到NVIDIA控制面板，自行百度一下，很容易找到的~~）。如果在NVIDIA控制面板沒有找到系統信息，就在上面的的選項卡上選擇幫助，裏面有系統信息。我的電腦顯卡驅動是431.65，類型是DCH，CUDA適用版本10.1。如果想要更新NVIDIA顯卡驅動的話，網址：https://www.nvidia.com/Download/index.aspx?lang=en-us。
查看顯卡驅動對應支持的CUDA，網址：https://docs.nvidia.com/cuda/archive/10.0/cuda-toolkit-release-notes/index.html。
查看Tensorflow需要的CUDA版本：下面第一個圖標示出了CUDA10.0版本需要的信息，網址：https://tensorflow.google.cn/install/gpu，下面的第二個圖是CUDA9.0及以下的版本需要的信息，網址：https://tensorflow.google.cn/install/source_windows。這兩張圖非常重要。
第六步，安裝Microsoft Visual Studio：
如果安裝CUDA10.0版本，支持VS2017版本及以下的，其它版本穩妥的裝VS2015。VS2017官網下載網址：https://my.visualstudio.com/Downloads?q=visual%20studio%202017&wt.mc_id=o~msft~vscom~older-downloads，我下載的是VS2017_64位_professional，網址：https://download.csdn.net/download/laboirousbee/11899961。這個安裝就按步驟安裝即可。
第七步，安裝CUDA：
這一步要安裝CUDA Toolkit 和 cuDNN（cuDNN需要註冊一下，不需要花錢，很簡單~~）。先根據驅動版本安裝CUDA，再根據第四步中的圖一說明安裝cuDNN。我的顯卡驅動支持CUDA10.0，cuDNN需要7.4以上的版本，所以我下的7.6.3。CUDA網址：https://developer.nvidia.com/cuda-toolkit-archive，cuDNN網址：https://developer.nvidia.com/rdp/cudnn-archive。根據第四步的圖一和圖二，Tensorflow要求哪個版本的就下哪個版本，舉個栗子：讓下10.0就下10.0，千萬不要下10.1或者其它的，這是所有坑中最大的坑。
CUDA Toolkit安裝過程：
這一步的路徑可以任意，因爲CUDA只是暫時存放一下，一會安裝完了，自動被刪除了。按OK，然後等待。。。。。。
自定義，是爲了這一步做準備，所有的對號都打上，因爲如果你的版本比它要安裝的高，它就不會安裝，如果不高的話，就會更新，穩妥起見，還是都選上，然後下一步。
添加環境變量系統路徑Path中：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
cuDNN安裝過程：
找到CUDA Toolkit，默認的安裝路徑是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0。將下載下來的cuDNN解壓，把解壓后里面的三個文件夾裏面的單個文件分別對應拷貝到CUDA Toolkit路徑下對應的文件夾中。
測試是否安裝成功：
啓動cmd，輸入nvcc -V會出現上面的內容，可以看到安裝的CUDA的版本號。
nvcc -V
在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0目錄下，用vs2017，打開Samples_vs2017.sln，在Release下，任意選擇一個解決方案，重新生成解決方案。第一次編譯的時候，會提示找不到”d3dx9.h”、”d3dx10.h”、”d3dx11.h”頭文件，可從這裏下載DXSDK_Jun10.exe（網址：https://directx-sdk.en.softonic.com/），安裝步驟可以參考：https://jingyan.baidu.com/article/73c3ce28316acee50243d97e.html。重新打開Samples_vs2017，再次編譯。
cmd進入到C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64\Release目錄下，執行deviceQuery.exe和bandwidthTest.exe，結果如上圖。
第八步，安裝Tensorflow：
啓動Anaconda Prompt，根據第四步的圖一，tensorflow需要安裝1.13.0版本或更高級的，現在安裝1.14版本的。如果安裝過程中提示你需要安裝其它的包，用conda install安裝即可。在這裏強調一下，windows下不要嘗試pip安裝Tensorflow，老老實實地用conda install，這樣在後續的Jupyter Notebook或者Anaconda其它應用都是好使的。
1、激活gpu環境
conda activate gpu
2、安裝Tensorflow和Tensorflow-gpu 1.14版本
conda install tensorflow=1.14
conda install tensorflow-gpu=1.14
測試：
1、啓用python
python
2、導入tensorflow包，查看是否使用GPU
import tensorflow as tf
tf.test.gpu_device_name()
3、查看在使用哪個GPU
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
資源下載：
Anaconda3-3.5.1 Windows 64位：https://download.csdn.net/download/laboirousbee/11899207
Microsoft Visual Studio 2017：https://download.csdn.net/download/laboirousbee/11899961
查看NVIDIA顯卡算力：https://developer.nvidia.com/cuda-gpus
Tensorflow官網：https://tensorflow.google.cn/
NVIDIA顯卡驅動：https://www.nvidia.com/Download/index.aspx?lang=en-us
Anaconda官網：https://www.anaconda.com/
顯卡驅動對應支持的CUDA：https://docs.nvidia.com/cuda/archive/10.0/cuda-toolkit-release-notes/index.html
Tensorflow對應的CUDA版本：CUDA10.0：https://tensorflow.google.cn/install/gpu，CUDA9.0及以下的版本：https://tensorflow.google.cn/install/source_windows
CUDA官網：https://developer.nvidia.com/cuda-toolkit-archive
cuDNN官網：https://developer.nvidia.com/rdp/cudnn-archive
DXSDK_Jun10.exe：https://directx-sdk.en.softonic.com/