深度学习环境配置
软硬件配置：
GTX 1070ti
Win10 64位专业版
Anaconda3-5.2.0-Windows-x86_64
深度学习工具：
CUDA 9.0
cuDNN v7.1 注：版本必须匹配CUDA9.0
TensorFlow 1.8.0（GPU版）
第一步：安装vs2015
下载“ [Visual Studio Community 2015][with Update 3][官方简体]”。
安装类型：选择自定义，点击下一步。
在编程语言（Programming Languages）中只需安装C++组件，点击下一步，安装位置可以自选，其他全部按照默认。
第二步：安装CUDA9.0
Google：CUDA Toolkit 9.0 Downloads | NVIDIA Developer 选择对应自己电脑环境的版本下载。下载之后安装即可。
第三步：安装cuDNN v7.1
cuDNN的全称为NVIDIA CUDA® Deep Neural Network library，是NVIDIA专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计基于GPU的加速库。cuDNN为深度神经网络中的标准流程提供了高度优化的实现方式，例如convolution、pooling、normalization以及activation layers的前向以及后向过程。
cuDNN只是NVIDIA深度神经网络软件开发包中的其中一种加速库。想了解NVIDIA深度神经网络加速库中的其他包请戳链接https://developer.nvidia.com/deep-learning-software。
安装重点：点击网址进入https://developer.nvidia.com/cudnn，下载cudnn要先注册这个网站，并且cudnn的版本必须和CUDA的版本匹配。
第四步：安装Anaconda3-5.2.0
进入网址https://www.anaconda.com/download/
下载Python 3.6版本，点击downloads,下载之后安装即可，注意安装快结束的时候两个选项的对勾选上，其中一个是设置环境变量。
第五步：安装tensorflow(gpu)
Anaconda的Anaconda prompt中输入conda install tensorflow-gpu命令即可安装gpu版本的tensorflow。
检验CUDA是否正确安装
方法一：
在运行中输入cmd，点击确定，cd至文件夹：C:\Program Files\NVIDIA Corporation\NVSMI，点击确认。输入nvidia-smi
方法二：
在运行中输入cmd，点击确定，输入nvcc –V,点击确定。
检验tensorflow是否能够使用
打开Anaconda navigator,在Home中设置Applications on tensorflow,并且安装spyder。安装完成后会在Anaconda中出现spyder(tensorflow)
打开spyder，输入下列代码测试：
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
train_x=np.random.random(100)
train_y=2*train_x-1+np.random.randn(*train_x.shape)*0.3 #y=2x
plt.plot(train_x,train_y,’ro’,label=’Original data’)
plt.legend()
plt.show()
能够执行，则说明tensorflow安装成功