查看电脑显卡是否被官网支持
可以参考 这个
明确CUDA、CuDNN以及tf-gpu版本对应
官网
笔者选择的套餐为：tf-1.12.0、cuDNN7、CUDA9
注意：安装tf-gpu默认你已经安装好Anaconda、以及 Microsoft Visual C++ 2015 Redistributable 更新 3等相关 C语言库
官网下载对应CUDA版本
在这个网址找到你希望安装的版本下载即可，注意操作系统、版本、下载文本类型（离线还是联网）
官网下载对应于CUDA的CuDNN
在这个网址下载对应CUDA9的CuDNN7，注意这里需要注册，而且网速慢，原因你懂的。
安装CUDA
直接打开exe文件，一路下一步即可。当然可以选择自定义，不过具体没研究！
解压CuDNN
待CUDA安装完成，在默认目录下 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0可以看到bin、lib目录
同样，对于CuDNN解压发现目录结构同上类似，这里把解压后文件夹里面对应的文件（注意是文件复制过去，不是目录）依次复制给CUDA上述目录，注意没有覆盖操作！
添加环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64;
将上述两个目录（此时该目录下应该有CuDNN的文件，其实我理解就是CUDA的补丁）添加进入环境变量
检查安装情况
nvcc -V
显示你安装的CUDA工具包，就是安装成功。
创建tf-gpu环境并且安装对应版本tf
conda create -n tf-gpu python=3.6
activate tf-gpu
pip install tensorflow-gpu==1.12.0
至此，tf-gpu版本安装结束
测试是否安装成功
**import tensorflow as tf hello=tf.constant(‘hello,world’) sess=tf.Session() print(sess.run(hello))**
安装jupyter notebook
参考这个
如果安装后打开，需要用到密码！
jupyter notebook password
键入之后输入两次密码，输入过程不可见！
之后打开jupyter notebook即可使用
总结
主要注意上述各版本对应情况，千万不要偷懒，认真对比选择你的套餐！
其次就是C语言环境，VC++2015需要有！
参考及进阶
入坑安装参考
进阶学习指南