tensorflow-gpu安装教程（VS2017+CUDA9.0+cuDNN v7.3.1 for WIN10）
以前在自己笔记本上装过tensorflow-cpu版本，命令挺简单的。现在在实验室的台式机上准备安装tensorflow-gpu版本。中间莫名报了一些错误，也很难解决，也还是消耗了两天时间才装好，其他的安装教程基本没有问题，但是最关键的就是需要各个下载的安装包版本相互匹配。
安装硬件：intel i7 8700k +NVIDIA GPU 1080
安装工具：Anaconda
安装流程分为下面几个步骤：
- 下载并安装Visual Studio 2017
- 下载并安装CUDA 9.0
- 注册账号并下载cuDNN 7.3.1
- 通过Anaconda 下载tensorflow-gpu版本
- 测试验证
后面安装过程会有需要安装visual studio的原因。
官网安装文档很重要，一定要仔细看，能够避免很多坑，这里面也会给出常见问题的解决办法。
tensorflow版本与cuDNN，CUDA的对应关系。（似乎对应关系也不严格是这样）
安装cuda之前，要先安装visual studio。否则使用推荐安装过程，会告诉你缺少一些包。
装visual studio
如果此时你第一次安装visual studio，建议勾选前三个项目：
1“Desktop development with C++”.
2 “Universal Windows platform development”
3 “.NET desktop development”.
我选择了装visual studio2017版本的。
装cuda
CUDA简介：
CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使得GPU能够解决复杂的计算问题。它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。开发人员现在可以使用c语言来为CUDA架构编写程序。
下载cuda安装包，我一开始下载的是cuda10.0（实际装上的是CUDA9.0。10.0版本出现了问题），cuda10.0下载官网。这里记录了我走过的坑，因为总习惯性想下载最新版本。
根据官网的原话，安装过程主要有下面几个步骤：
1.验证系统拥有cuda算力的GPU
2.下载NVIDIA CUDA Tookit（工具包）
3.安装 NVIDIA CUDA Tookit
4.测试安装的软件能够正常运行，并且跟硬件正常沟通
但是，后来cuda安装后，出现无法验证的问题，并且导入tensorflow报错：
ImportError: DLL load failed: 找不到指定的模块。
…
Failed to load the native TensorFlow runtime.
花了两天的时间还是无法解决该问题。后来把旧版本彻底删除干净，重新安装cuda，在tensorflow官网GPU support上看到：
于是选择了cuda9.0重新安装。点击这个链接进入官网cuda9.0下载https://developer.nvidia.com/cuda-90-download-archive
点击“Windows”，然后根据你的计算机点击不同的选项，我选择了“exe(local)”作为下载类型，它直接为你下载所有需要包。如下：
安装过程VS2017不要打开，似乎会出错误，经过下面一些列的安装过程，终于成功装上CUDA 9.0。（图片是10.0安装过程出现的，不影响）
完整的安装过程以及cuda介绍等，都可以参考官方的CUDA Toolkit Documentation
下载完成后点击安装：
创建一个临时安装目录，将cuda安装进去。
使用默认的选项即可。
建议使用默认的推荐。如果自定义，会牵扯到一些操作，会遇到很多问题，读者可自行搜索解决。然后进入下一步
cuda进入安装准备过程，之后出现：
这时候就可以看出来，如果你的电脑没有安装visual studio，它会告诉你，缺少一些包。
点击下一步，完成安装。
装cudnn
去官网下载CUDNN，下载之前先注册一个账号，选择跟cuda版本对应的cudnn版本。
解压压缩包，分别将下面三个文件拷贝到相应的位置：（是你CUDNN解压后的安装位置）
- Copy \cuda\bin\cudnn64_7.dll to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin.
- Copy \cuda\ include\cudnn.h to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include.
- Copy \cuda\lib\x64\cudnn.lib to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64.
验证cuda是否安装好
推荐deviceQuery。似乎官方文档给的位置不能找到deviceQuery.exe文件,下面是官方文档给的位置：
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64\Release
而我是在CUDA的安装位置，下面这个路径中找到deviceQuery文件的。（所以使用默认的安装路径，文件夹的位置就非常好对应起来）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite
找到deviceQuery.exe文件。直接双击运行是不行的，会闪退。需要在当前文件夹位置打开命令行，然后在运行这个可执行文件。可以看到运行通过（PASS）我的GPU型号是：GeForce GTX 1080。说明能够和底层硬件正常沟通。
当然你还可以运行该文件夹下的其他例子，比如可以运行oceanFFT.exe文件，会出现下面的动画。
tensorflow-gpu安装
通过conda命令，可以很方便的安装，如果你没有安装anaconda，建议你安装anaconda。
如果不更改源（换源）的话，从国外网站下载速度十分慢，一般改为清华的镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
添加完成后，可以查看到你刚刚添加的channel
conda config --show
如果想删除这个镜像源，可以使用命令：
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
这样就还是回到了默认的下载源
我之所以不用镜像，是因为此时清华镜像的包cudatoolkit:8.0版本cudnn：6.0，以及numpy:1.12.1-py36_0；而从默认下载源会下载到cudatoolkit:9.0版本和cudnn:7.1.4，以及numpy:1.13.3。不过代价就是下载过程十分慢。
使用命令安装tensorflow-gpu，会自动检查，更新，安装。
conda install tensorflow-gpu
输入y继续操作。可以看到我更新了从tsinghua源镜像下载的安装包。之后进入一段下载过程，耐心等待即可。
运行一个tensorflow的例子
进入python命令行窗口，并导入tensorflow。下面的代码将两个数组相加的例子，可以看到成功运行。tensorflow-gpu安装到此大功告成。
参考
pip换源的方法（windows）
临时：使用时加上参数-i
pip install scrapy -i https://pypi.tuna.tsinghua.edu.cn/simple
永久：直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，在pip 目录下新建文件pip.ini，内容如下
[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn
常见国内的源
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/