Windows下查看CUDA版本号：
0.打开控制面板
1.进入NVIDIA控制面板
查看CUDA版本号可以安装CUDA Toolkit，本文作者CUDA版本号为9.1，可以装的toolkit(可分离cpu和gpu代码):CUDA Toolkit 9.0、CUDA Toolkit 9.1、CUDA Toolkit 8.0等
CUDA9.0、cudnn7.3、tensorflow_gpu1.12的下载：
0.需要下载的安装包
1：为4的解压
2：安装英伟达驱动程序，设备管理器中查看显卡型号，到官网选择对应驱动下载，可以先卸载所有驱动再进行安装
3：Nvidia出品，用于做并行计算的平台CUDA toolkit，版本为9.0，前提是电脑拥有Nvidia独立显卡，看显卡对应使用cuda版本号见文章
4：Nvidia出品，用于做深度学习加速计算的cuDNN库，版本为7.3
5：Microsoft出品，在Windows操作系统运行所有软件都依赖的Net Framework库，版本为4.6
6：Google出品，提供给开发人员的深度学习开发框架TensorFlow。其有2个版本，cpu版和gpu版，本文要安装的是gpu版本，因为gpu版本是cpu版本运行速度的50倍
7.为测试有没有安装好环境写的python文件
1.下载 .Net FrameWork4.6
在Windows操作系统运行所有软件都依赖的**.Net Framework库。一般来说，安装Win10操作系统的时，会自动更新.Net Framework到较新版本，但是为了避免个别读者的软件版本较久，建议读者下载并安装.Net Framework4.6**。进入Windows官网，链接：https://www.microsoft.com，进入后页面如下图所示：
在搜索框搜索：Net Framework 4.6
Offline中文叫做离线，我们需要下载Offline Installer版本。
2.下载CUDA9.0（toolkit）
进入Nvidia官网，链接：https://www.nvidia.com
选择下载CUDA9.0而不是CUDA10.0的原因：tensorflow_gpu库尚未发布与CUDA10.0对应的版本。Legacy Releases中文叫做遗留版本，即旧版本CUDA的下载页面需要从此处进入。
3.下载cudnn7.3
cudnn中的cu是CUDA的简写，dnn是deep neural network的简写
注册会员登陆：
Archived releases中文叫做存档版本
4.下载tensorflow_gpu1.10
进入阿里云pypi镜像，链接：http://mirrors.aliyun.com/pypi/simple/
版本发布中的RC含义解释：RC=Release Candidate，含义是”发布候选版”，它不是最终的版本，而是最终版之前的版本。
CUDA9.0、cudnn7.3、tensorflow_gpu1.12的安装：
0.需下载的安装包
1.双击安装5即 .Net Framework4.6（因为作者已安装）
2.安装3即CUDA9.0（toolkit）
3.安装cudnn即4
使用解压软件将压缩文件cudnn-9.0-windows10-x64-v7.3.1.20.zip解压到当然文件夹
打开压缩后的cuda文件夹，将这四个文件全部复制到：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0,即安装CUDA9.0默认路径
4.安装tensorflow_gpu1.12
运行pip install命令安装本地WHL文件
看是否在当前文件夹中
在cmd中输入命令：pip install tensorflow_gpu-1.10.0-cp36-cp36m-win_amd64.whl，然后按Enter键运行命令
考虑到部分读者可能没有安装运行tensorflow必需的msgpack库。在cmd中输入命令：pip install msgpack，然后按Enter键运行命令
5.测试
在文件夹中新建.txt文件，将代码写入.txt文件中，写入后改为test.py文件
import tensorflow as tf
hello = tf.constant('hello, tensorflow!')
session = tf.Session()
print(session.run(hello))
运行py文件成功
建议先将Nvidia相关驱动卸载干净后，重新安装Nvidia驱动，再实现本文当中的操作。如果一直出现找不到tensorflow库的错误，本文读者提示可以使用conda install tensorflow_gpu的方法先解决环境问题，然后再conda uninstall tensorflow_gpu，最后再实现本文当中的操作。