原因
换了台电脑，需要重新配环境，但是cuDNN的下载卡了我好长时间。
由于一些你我皆知的原因，最近一段时间翻不了墙，Nvidia的开发者账户登陆不上去，就很头疼。
环境配置
首先我基于Anaconda搭建的python3.6+tensorflow1.10环境，要注意的是tensorflow1.10在当前并不支持CUDA10.0的环境(也许在今后会支持，但无论如何可以到->这里-<查看GPU版本的TF需要的环境)
根据以上tensorflow版本，只考虑必须装的环境的话：
| 项目 | 版本 |
|---|---|
| CUDA/驱动 | 9.0+ |
| cuDNN | 7.2+ |
| Python | 3.x |
Python环境
当然，推荐使用Anaconda搭建科学计算环境：
Anaconda 3可以找到最新版本的Python环境。出于某种兼容性考虑，我暂时没有选择Python3.7，而是使用了3.6的版本:历史版本
安装完python环境之后，就可以直接安装tensorflow的python接口环境了:
由于在WIN10上，这只是个接口，并不包括cuDNN，所以只有几kb的大小，因此直接从官方仓conda install就好了，稍后再自行去下cuDNN(相反的，官方仓的Linux环境下有已集成cuDNN的版本，若选择此版本，可能需要用到清华的镜像，在国内下载才能保证速度)：
conda install -c anaconda tensorflow-gpu
下载CUDA
没啥好说的，下载离线包，一路next就好，环境变量会自动帮你配好（需要管理员权限），要注意的就是要下当前tensorflow所支持的CUDA版本（同时可能还要考虑VS所能支持的版本）：
WIN10 64位下载:CUDA 9.2
cuDNN的下载和配置
下这个东西需要注册成为Nvidia的开发者，然后填一下问卷，同时国内由于特殊时期，连不上服务器就很头疼。
可以直接访问这个页面绕过登陆注册环节，选择适配的cuDNN版本后，右键复制链接，copy到迅雷中下载。下完后把后缀名改为zip，然后解压到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2之中即可
比如cuDNN7.2 for CUDA9.2(win10)的链接版本就是:
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.2.1/prod/9.2_20180806/cudnn-9.2-windows10-x64-v7.2.1.38