Tensorflow-gpu 配置目前最简单的方式（win10 + python3.5 + anaconda3.0 + pycharm + vs2017 + cuda9.0 + cuDNN7.0）
由于基于tensorflow的神经网络在CPU上运行速度太慢，在GPU上运行速度会快很多，但是tensorflow在GPU上运行配置比较麻烦，网上的很多教程和自己使用的版本不搭配，所以针对这个情况自己做一个总结，给大家提供参考和交流。之所以说是最简单的方式，只是在配置tensorflow这一步上简单很多，在cpu与gpu上运行操作一样，亲测有效，网上也没有太多的教程，所以分享一下经验。
一、anaconda3.0下载及安装
二、pycharm下载及安装
三、最简单的tensorflow-gpu配置
四、cuda9.0下载及安装
五、cuDNN7.0下载及配置
六、tensorflow在pycharm中的测试程序
准备工作及安装步骤：
具体软件版本及环境：
1：windos10系统
2：vs2017（之前的版本也可以）
3：cuda9.0（在tensorflow1.5及以上需要cuda9.0，tensorflow1.4及以下需要cuda8.0，具体版本间的对应需要自己确认）
4：cuDNN7.0（和cuda9.0对应，cuda8.0和cuDNN5.1或cuDNN6.0对应）
5：python3.5（在windos系统下tensorflow只支持python3.5及以上，linux系统下tensorflow可以支持python2.7）
6：anaconda3.0（和python3.5对应）
7：pycharm
8：tensorflow-gpu1.9（其他版本也可以）
安装步骤：
1：python3.5和anaconda3.0安装（可以在网上搜索比较简单）
2：pycharm 安装及配置anaconda3.0
3：tensorflow-gpu配置（tensorflow在cpu上运行配置方法类似）
4：vs2017安装
5：cuda9.0安装
6：cuDNN配置
anaconda3.0和pycharm安装及配置比较简单，会介绍的简单一些。
一、anaconda3.0下载及安装
官网地址：https://www.anaconda.com/download/#windows
清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
大家根据自己的版本需要下载，注意tensorflow在windos系统需要python3.5+和anaconda3.0+的版本。
我的版本是Anaconda3-5.2.0-Windows-x86_64.exe
安装完成后在开始菜单中打开Anaconda Prompt，输入conda --version，确认安装成功
二、pycharm下载及安装
官方地址：https://www.jetbrains.com/pycharm/download/
我的版本是pycharm-professional-2018.1.4.exe
按照步骤安装完成即可，如果需要激活码，可以联系我，也可以网上找。
三、最简单的tensorflow-gpu配置
pycharm和anaconda安装好之后，打开pycharm，Files->Default Settings->Project Interpreter
Project Interpreter选择C:\Program Files\Anaconda3\python.exe。也可以自己在anaconda中创建别的路径
anaconda中有许多非常常用的工具包，比如numpy，matplotlib等，在pycharm中可以很方便的导入。导入tensorflow-gpu的方法很简单，点击上图右侧绿色加号
在搜索框中输入tensorflow，选择tensorflow-gpu，在右侧Specify version中选择自己需要的版本，点击Install Package，等待完成即可。其他numpy，matplotlib导入方式类似。如果只是使用tensorflow在cpu上运行，则选择tensorflow（注意tensorflow-gpu版区别）导入即可使用，可以直接测试程序。剩下的步骤是在gpu上运行的安装工作。
四、cuda9.0下载及安装
tensorflow-gpu版需要英伟达显卡，计算能力最好3.0以上，大家可以对照型号，检查自己的电脑是否支持
https://developer.nvidia.com/cuda-gpus
在安装cuda9.0之前电脑需要安装vs2017（最好是vs2015），cuda安装时会自动识别是否安装vs，会把一些文件复制到vs路径中。电脑一定先安装vs。
cuda9.0下载地址:https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
安装方式选择local。
双击exe文件，选择解压位置
等待解压完成，之后会出现系统检查，需要安装vs
点击同意并继续
选择自定义安装，下一步
最稳妥的是全选，我选择的是CUDA和Driver components，可以自己检查驱动是否和cuda9.0匹配，检查方式控制面板->NIVIDIA控制面板->帮助->系统信息->组件，第三行NVCUDA.dll 产品名称必须达到9.0版以上，否则之后程序无法运行
继续cuda9.0安装，选择安装路径，推荐默认安装路径，也可以自己选择路径，自己记好就可以
点击下一步等待安装完成
安装完成后系统环境变量应该已经自动加进去了，可以自己查看确认，此电脑-右键->属性->高级系统设置->环境变量，可以看到系统变量添加了；如果没有，按照以下步骤添加
然后点击新建，将下面的路径依次写入
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
配置好之后，验证安装是否完成，打开cmd，输入nvcc -V，V是大写，安装成功会显示安装信息，如果没有显示建议重启一下
五、cuDNN7.0下载及配置
官网下载地址：https://developer.nvidia.com/rdp/cudnn-archive
我下载的是cudnn-9.0-windows10-x64-v7.zip，解压缩后有cuda/include、cuda/lib、cuda/bin三个文件夹，分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0对应的include、lib、bin目录下即可。
六、tensorflow在pycharm中的测试程序
import tensorflow as tf
import numpy as np
hello=tf.constant('hello')
sess=tf.Session()
print (sess.run(hello))