又雙叒一次重新安裝系統，不得不再次安裝Python3和TensorFlow-GPU。

    其實如果在Python3下只安裝的是TensorFlow-CPU版本的話，非常簡單，直接在命令列內敲：

        pip3 install tensorflow

就行。然而，桌上型電腦裝了英偉達顯示卡，肯定就要發揮其功能，果斷安裝GPU版本的TensorFlow。

第一步：先安裝TensorFlow。

    假設已經安裝好了Python3，並配置好了系統Path變數。那麼，直接在命令列內敲

        pip3 install tensorflow-gpu

第二步：檢視CUDA版本和cuDNN版本。

    找到TensorFlow安裝包的位置，預設安裝位置在：{Python3目錄}\Lib\site-packages，繼續開啟 tensorflow -> python -> platform 資料夾，開啟檔案build_info.py。可以看到與我當前TensorFlow所匹配的CUDA版本和cuDNN版本，其中CUDA版本為9.0、動態庫連結檔案是cudart64_90.dll；cuDNN版本是7，動態連結庫檔案是cudnn64_7.dll。由於TensorFlow版本的更新，我上一次下載的CUDA的版本已經不匹配了，需要從官網重新下載。

第三步，下載對應版本的CUDA和cuDNN安裝檔案。

    百度裡直接搜尋CUDA9.0，名稱類似“CUDA Toolkit 9.0 Downloads|NVIDIA Developer”的連結就是老版本的下載地址：https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=7

CUDA安裝檔案直接下載即可；類似方法找到cuDNN的下載地址：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse705-9，這個需要登入才可以下載。

第四步，安裝CUDA和cuDNN，配置系統變數。

    先安裝CUDA的安裝包，直接執行.exe檔案，執行預設配置，安裝過程如下。

    將CUDA安裝之後的路徑新增到系統變數Path中。我的方法是新建一個系統變數，變數名為：CUDA_PATH， 變數值是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 也就是CUDA安裝路徑。然後在Path變數的前部加入 %CUDA_PATH%\bin;%CUDA_PATH%\lib\x64; 注意用分號分隔路徑。

    cuDNN的安裝很簡單，直接將下載的檔案解壓，檔案內容包括：

    所有內容拷貝到CUDA安裝路徑中，可以看到目錄完全相同，合併資料夾中的內容即可。

第五步，安裝完成，可以在Python3中鍵入 import tensorflow as tf 來進行測試。

可能存在的問題：網路環境比較差的話，英偉達的官網可能無法login導致不能下載cuDNN壓縮包。