說明：只有NVIDIA顯示卡才支援用GPU跑TensorFlow。在https://developer.nvidia.com/cuda-gpus查詢GPU是否支援CUDA，一般要計算能力在3.0以上才適合。

1，CUDA下載：

2cuDNN下載：cuDNN是用於深度神經網路的GPU加速庫。tensorflow版本不同，需要的cuDNN版本也不一樣。官網下載比較麻煩，大家可以直接在這裡下載cuDNN6：https://www.zhihu.com/question/37082272。下載後解壓。解壓過後將相應的檔案拷貝到相應的目錄：

如果第一步安裝CUDA沒有修改安裝路徑，執行以下操作：

               複製 cudnn\bin\cudnn64_5.dll 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin\
　　　　複製 cudnn\include\cudnn.h    到  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include\
　　　　複製 cudnn\lib\x64\cudnn.lib   到  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64\

3安裝TensorFlow-GPU

在cmd下輸入pip install -i https://pypi.mirrors.ustc.edu.cn/simple/ tensorflow-gpu==1.4.0 (因為原地址下載太慢了，所以零時使用清華的源下載)。

4測試：

import  tensorflow as tf 
a = tf.constant([1.0,2.0,3.0],shape = [3], name='a')
b = tf.constant([1.0,2.0,3.0], shape = [3], name='b')
c = a +b
sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
print(sess.run(c))

輸出：

大工告成，特別提示：不是所有的程式用GPU跑都會更快，只有在做影象處理，即卷積計算的時候才會，其他時候用GPU跑甚至會比CPU跑的更慢。

參考:

https://blog.csdn.net/listener51/article/details/77752027
https://blog.csdn.net/qq_35239859/article/details/79827203
https://blog.csdn.net/shuiyuejihua/article/details/78738664