血泪史，利用Anaconda来安装tensorflow-gpu版本，不需要安装CUDA与CuDNN,会自己安装！！！

首先安装Anaconda，这个就不多说了，安就完事了，然后尽量在Anaconda的自己创建的环境中去安装，因为使用Anaconda就是为了可以建立多个自己命名的环境，话不多说，先自己创建一个环境python版本自己可以选择：
这个时候你的环境中是含有的python的，这个与你conda里边自带的python是不一样的，所以说你可以自己建立任何版本的python。

然后通过命令切换到你自己建立的conda环境，
然后接下来就是安装的重点了，网上许多过时的教程让你安装CUDA和cuDnn还要查什么版本的对应问题乱七八糟的，这也是我踩坑的地方，在这里说明不需要额外去官网下载CUDA什么的；直接安装，首先利用清华大学的镜像，不然你会很慢很慢 真的很慢，个位数的Kb/s，你觉得呢

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

依次输入到命令行然后输入

conda install tensorflow-gpu

注意这里输入之后会下载tensorflow依赖的CUDA以及cuDnn，但是你的环境中以前没有装过，所以默认给你装最新的CUDA10.0，所以你安装后如果你的N卡不支持10.0的CUDA，还是用不了，哈哈哈，这里我第一次也没用成功，怎么看自己的显卡支持与否，上图

所以你看自己的显卡支持什么版本，这与你下载的tensorflow版本也要一致，具体匹配的那个表我就不找了，自己百度吧 ，所以第二次我估摸了一下可能是因为新的tensirflow 1.13.1版本需要的CUDA太高了，所以我自己设置了一下安装时候的版本：

conda install tensorflow-gpu=1.12.0

至于是一个等号还是两个等号记不清了，可以都试试，我已经试的心累了。
于是他自己就安装了所依赖的CUDA9.0 ，我的是支持9.1的，当然可以9.0于是乎就装好了，在命令行进入python，import一下 看会不会报错，
至于怎么在pycharm中使用顺便也说一下吧，打开IDE，新建工程，配置解释器，注意配置解释器这里是重点，因为你的项目就看你配置的解释器，我们新建项目的时候IDE会自己建立一个虚拟环境，就是这个：

建立的虚拟环境什么包都没，让你自己导，这个环境和你系统里python也不一样，如果你想用pip导入的包，就要点击site-packages那个框，我们可以使用下边的conda环境，就是最开始你自己建立命名的环境：

选择已经存在的环境，然后找到你建立环境中的python.exe点击就选中了，然后项目就在使用我们建立的环境了，里边就有我们的tensorflow包了，找代码测试一下（自己找吧）成功的话就显示如下：

红色字体显示有你的显卡信息就说明成功了，终于写完了，应该够详细了！！！