背景介绍：
Python的tensorflow是跑卷积神经网络的常用库，今天来介绍下如何在无Anaconda的情况下安装和配置tensorflow，这种配置方式对严格管理python包的人而言，会比Anaconda直接安装明了很多。
摘要：
本文将介绍如何在Windows 10上为python配置GPU版本的tensorflow，主要步骤分为python的安装、pycharm的安装、NVIDIA的配置与安装、CUDA的配置与安装、cuDNN的导入、tensorflow的安装以及后续的调整优化。
第一步：
tensorflow适配python的2.7、3.3~3.6版本，此处我们不妨下载安装AMD64的python3.6.8
下载链接
然后将python安装在D:\Program Files\Python36下（避免打开UAC的操作系统需要提权）
同时，在安装时建议使用自定义安装，将python安装到所有用户（这样修改安装路径较为方便）并勾选向系统环境变量path中添加python路径和python scripts路径。
安装好后，我们打开命令提示符（可以使用组合快捷键“Win+R”打开运行窗口，输入cmd回车，“Win”键介于“Ctrl”键和“Alt”键之间类似Windows徽标的按键）
输入“python”并回车，显示如下（不一定要完全一样），即为成功。
若遇提示“‘python’不是内部或外部命令
如果提示“‘python’不是内部或外部命令，也不是可运行的程序或批处理文件。”，则需要进行以下步骤：(具体可以去搜相关的CSDN帖子)
按下组合快捷键“Win+E”打开资源管理器窗口或直接打开任意文件夹窗口，右键单击“此电脑”（部分电脑显示的是“我的电脑”），在弹出菜单中点击“属性（R）”（也可按下“R”键快速打开），在弹出窗口左侧找到“高级系统设置”并单击，在弹出的“系统属性”窗口中打开“高级”选项卡，并点击选项卡右下角的按钮“环境变量(N)…”，寻找系统变量“path”。、
双击path，并将python所在的路径（如“D:\Program Files\Python36”）和python Scripts所在的路径添加进去（“D:\Program Files\Python36\Scripts”），并点击“确定”，然后到cmd窗口中输入python并回车判断python环境配置是否成功，或使用set path查看相关的两个变量是否添加成功。
第二步
接下来，安装pycharm的Edition 2019.3版本链接 可以去官网下载
打开可能会比较慢，有时候需要等一到两分钟
建议安装到目录“D:\Program Files\PyCharm Community Edition 2019.3”下。
点击“File”→“New…”（或使用组合快捷键“Alt+Insert”）新建项目文件夹，在这里我们将其命名为“bert-master”。
随后，点击“File”→“Settings”（或使用组合快捷键“Ctrl+Alt+S”）打开“Settings”界面，展开“Project: bert-master”→“Project Interpreter”设置python解释器。
设置好后，点击“应用”，我们会发现pycharm在慢慢导入包，这时候我们只需要等待，去做下一步工作。各个版本的tensorflow-gpu对应的CUDA和cuDNN版本如下表所示
（注意tensorflow 1.x与tensorflow 2.x不是同一个库）
第三步
打开CUDA的下载页（此处提供Win10、tensorflow-gpu==1.11.0适配CUDA 9的链接）
根据自己的操作系统选择一个适合的CUDA并下载，建议安装的时候选择自定义，将所有的勾勾上。下载过程需要比较久的时间，我们可以利用这块时间来安装或升级一些常用的python包。
首先我们来切换pip的安装源为既快又稳的清华源（力荐），在cmd中输入“explorer “%USERPROFILE%””并回车，在弹出的窗口中新建文件夹“pip”并进入，在pip目录下新建文件“pip.ini”（可以先新建文本文档“pip.txt”，再把文本文档的后缀名更改为“pip.ini”，在执行文件重命名操作时若看不到文件后缀名，可以参考此链接：
pip.ini的内容如下：
第四步
首先在cmd中运行命令“python -m pip install --upgrade pip”以将pip更新到最新版本，部分电脑可能需要将第一个“pip”改为“pip3”或“pip3.6”（“pip”后面的数字为相应的python版本），更新后可以运行以下命令安装常用包：“pip install tqdm”（进度条库）、“pip install requests”、“pip install lxml”、“pip install bs4”、“pip install scrapy”、“pip install numpy”（可以先不安装，后文会有说明）、“pip install matplotlib”、“pip install opencv-python”等。
CUDA安装完成后，打开登录（如果没有就注册一个账号）自己的账号，下载相应的三个dll（分别在三个文件夹里），然后打开目录“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0”（这是默认的安装路径），进行相应地替换：
同时配置环境，将CUDA的两个文件夹bin（默认是“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin”）和lib（默认是“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp”）的路径添加到系统path变量中（如下图）。在cuDNN导入完成，并且pycharm导入python包完成后，我们退出pycharm，并在cmd中运行命令“shutdown /r /t 0 /f”（可以不用“/f”参数）以重启电脑（当然也可以直接在开始菜单选择重启计算机）。
最后
至此，tensorflow-gpu的配置就到最后一步了，依次在cmd中运行命令“pip install numpy”和“pip install tensorflow==1.11.0”，随后，我们进入python，输入语句“import tensorflow”回车，发现如下问题：
此时tensorflow可用，但某些地方可能会得到不一样的结果，这是因为numpy的版本太新所致。要解决此问题，我们只需在cmd中（不是在python中，退出python的语句是“quit()”）运行命令“pip install numpy==1.16.4”（因此建议在等待下载CUDA的时候直接运行此命令），安装相应的版本即可。如果在安装过程出现Win 32，Err 5（拒绝访问）的错误或出现“Check Your Permission”等字样，请以管理员身份启动cmd。
在执行“import tensorflow”语句后，如果出现红字提示“can not load dll”等字样，请检查您的CUDA版本是否与所安装的tensorflow版本一致，如果一致仍报错，则说明您的设备配置太低，GPU无法支撑起GPU版的tensorflow的运行，此时建议在cmd中运行“pip uninstall tensorflow-gpu”卸载GPU版的tensorflow，然后使用“pip install tensorflow-cpu”（可以自行指定版本）进行安装部署。
就这样，tensorflow就配置好了，我们可以在cmd中进入python，并依次执行语句以下语句：
import tensorflow as tf
a=tf.constant(520)
b=tf.constant(3344)
tf.add(a, b)
验收：
我们进入pycharm，在网上找一个tensorflow模型如Bert，以前文所说的方式打开设置，指定python解释器并等待所有python包导入，点击运行即可。
此外，配置好某个版本的tensorflow后，可以直接使用pip随意切换tensorflow的版本（前提是您已安装好相应版本的CUDA和cuDNN），有了tensorflow后，我们可以做很多事情如链接中所述。
再说一句
欢迎向我反馈，邮箱：[email protected]。