前言:安裝前先確定電腦可以使用gpu執行tensorFlow，否則浪費時間。

Nvidia（英偉達）官網官網檢視顯示卡是否支援GPU執行，Compute Capability需要在3.0及以上，否則安裝後，不能用gpu執行程式，會自動呼叫cpu執行。

Nvidia官網：

檔案下載:

檔案列表：

Anaconda3-4.2.0-Windows-x86_64.exe  （python3.5.2）

(python 3.6.2)  +  tensorFlow-1.4.0 經測試也可用。

pycharm-community-2017.2.4.exe

tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl

cuda_8.0.61_windows.exe

cudnn-8.0-windows7-x64-v6.0.zip

安裝順序:

聯想膝上型電腦T430、64位機

1．win7旗艦sp1

2．cuda_8.0.61_windows.exe

3．cudnn-8.0-windows7-x64-v6.0.zip中bin、lib、include資料夾裡面的檔案替換

替換cuda_8.0.61_windows.exe安裝目錄下的bin、lib、include資料夾裡面的檔案（注意是檔案，不是資料夾）

cuda_8.0.61_windows.exe預設安裝目錄 C:\ProgramFiles\NVIDIA GPUComputingToolkit\CUDA\v8.0

例如，cuda解壓後在C盤

C:\cuda\bin\cudnn64_6.dll  複製到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin  目錄下

C:\cuda\include\cudnn.h 複製到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include 目錄下

C:\cuda\lib\x64\cudnn.lib 複製到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64 目錄下

一定要複製檔案到對應目錄下，目錄不要混淆。如果運用中報找不到這幾個檔案，請在環境變數path中新增對應的目錄。

4．Anaconda3-4.2.0 （python3.5.2版本，其他python版本和tensorFlow不穩定，有各種問題，不建議使用）

下載地址

安裝完成驗證，電腦螢幕左下角開始(windows圖示)-cmd-python

5．Pycharm2017.2.4 (571M)

下載地址：

配置pycharm平臺的tensorFlow執行環境，在第6步完成後，開啟pycharm建立專案（project），例如 tensorflow-1.1.0

file-Settings...-專案名稱-Project Interpreter-選擇python版本（3.5.2）-ok

6．tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl安裝

  tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl複製到c盤根目錄

開始-cmd

pip install c:\tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl

或者執行：

pip install --upgrade --ignore-installed tensorflow-gpu

系統自動匹配（pip指令在Anaconda安裝後可以使用）

需要執行很長時間，下載關聯的檔案，如果網速不穩，會斷掉。

(python 3.6.2)  +  tensorFlow-1.4.0 經測試也可用。

7．驗證

安裝完成，在Pycharm平臺新建tensorFlowtest.py檔案並執行

# -*- coding: utf-8 -*-
#tensorFlowtest.py

import tensorflow as tf

hello =tf.constant("Hello!TensorFlow")
sess = tf.Session()
print(sess.run(hello))

#Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0,6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0,6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)

#Creates a session withlog_device_placement set to True.
sess =tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runs the op.
print(sess.run(c))

如果出現如下問題，表示顯示卡不滿足gpu執行要求。cuda對顯示卡最小相容要求是3.0。

gpu_device.cc:1093] Ignoring visible gpu device (device: 0, name: Geforce 710M, pci bus id: 0000:01:00.0, compute capability: 2.1) with Cuda compute capability 2.1. The minimum required Cuda capability is 3.0.