安裝時間：2018-05-19軟硬體配置GTX 1060 6GWin10 64位專業版Anaconda3 5.1.0深度學習工具CUDA 9.0cuDNN v7.0TensorFlow 1.8.0（GPU版）Keras 2.1.6一、安裝VS2015首先，下載“[Windows][程式設計開發][Visual Studio Community 2015][with Update 3][官方簡體][光碟映象]”。選擇自定義，點選下一步，記得在程式語言（Programming Languages）中只需安裝C++元件，點選下一步，安裝位置可以自選，其他全部按照預設。
二、安裝CUDA TensorFlow官網的安裝指導要求先安裝CUDA 9.0和cuDNN v7.0。於是下載CUDA 9.0，選擇對應版本的exe(local)安裝包。
可是我的CUDA安裝一直失敗。
經過多次試錯，終於明白，是因為我已經安裝了最新的顯示卡驅動，而CUDA9.0所依賴的顯示卡驅動比我的驅動版本低，導致不匹配，安裝失敗。我的解決辦法：

1. 解除安裝所有的NVIDIA驅動。在控制面板解除安裝所有的NVIDIA驅動（中間可能要多次重啟電腦），然後在C盤刪除所有帶有NVIDIA字樣的資料夾，最後在登錄檔刪除NVIDIA項。
2. 安裝CUDA 9.0，按照預設安裝即可。

注意：預設安裝已經將CUDA的安裝目錄新增到系統變數Path，因此不用再手動新增。三、安裝對應版本cuDNNTensorFlow官網的安裝指導推薦的是cuDNN v7.0。首先去下載，這是地址，按照頁面要求填寫資訊並註冊即可下載。解壓後將三個資料夾複製到CUDA的安裝目錄（預設為C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0）覆蓋原有同名資料夾。
四、測試是否安裝正確參考這篇博主的文章的三.2.(2)小節。五、安裝TensorFlow GPU版本遵循 TensorFlow官網的安裝指導。直接採用pip安裝，而沒有在Anaconda裡設定單獨的環境。安裝後驗證成功。pip3 install --upgrade tensorflow-gpu

六、安裝Keras遵循Keras中文文件的安裝指導。pip install keras -U --pre

       至此配置完畢。

七、其他在執行jupyter notebook程式時出現了錯誤could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERRORcould not destroy cudnn handle: CUDNN_STATUS_BAD_PARAMCheck failed: stream->parent()->GetConvolveAlgorithms( conv_parameters.ShouldIncludeWinogradNonfusedAlgo<T>(), &algorithms)Stackoverflow上也有人遇到過這個錯誤。解決方法：通過限定GPU視訊記憶體用量（不全部佔滿視訊記憶體, 按需分配）得到解決。具體設定語句就是：import osimport tensorflow as tfimport keras.backend.tensorflow_backend as KTF#指定第一塊GPU可用
os.environ["CUDA_VISIBLE_DEVICES"] = "0" config = tf.ConfigProto() #不全部佔滿視訊記憶體, 按需分配
config.gpu_options.allow_growth=Truesess = tf.Session(config=config)KTF.set_session(sess)