鉴于我自己踩过的坑，提醒大家千万不要直接pip install tensorflow-gpu而不指定版本！！！我一开始用最新的1.13.1版本总是报“ImportError: DLL load failed: 找不到指定的模块。”的错误，果断的卸载后安装了1.11.0版本，直接就OK啦！
注：如果需要matplotlib包，请在安装tensorflow-gpu之前安装，因为conda install matplotlib 会再安装numpy，这样会跟tensorflow-gpu需要的numpy冲突。
由于我之前已经安装了vs2015、Anaconda和Pycharm，就不在此赘述了。
本机配置：
- GTX 1060 3G
- Win10 64
- vs2015
- Anaconda3 5.1.0
- Pycharm
安装GPU的TensorFlow必须先安装CUDA和cuDNN，而且这三者之间的版本对应必须格外注意！！！
注：CUDA是显卡驱动程序，cuDNN是用来加速深度学习训练的库
我自己采用的是CUDA 9.0+cuDNN v7.0+tensorflow-gpu 1.11.0
一、安装CUDA
CUDA版本:cuda_9.0.176_win10（配套的cuDNN是V7.0）
下载地址：https://developer.nvidia.com/cuda-90-download-archive
CUDA的安装十分简单，根据自己的系统选对应的下载包，使用默认的精简安装，根据提示一直下一步就可以了。
安装好后，在命令行输入 nvcc -V，显示如下即可。
二、安装cuDNN版本:cudnn-9.0-windows10-x64-v7
下载地址：https://developer.nvidia.com/cudnn
下载解压后文件如下：
直接将上面显示的所有文件复制，粘贴到安装的CUDA的路径下即可，同名的文件夹会自动合并。
通常的默认路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
三、配置环境变量
一般情况在安装CUDA的时候下面两张图是配好的。
我们需要手动配置的环境变量如下：
四、安装tensorflow-gpu
1.在Anaconda新建一个tensorflow-gpu环境（当然不想新建环境也可以直接在Anaconda的root环境下安装）
conda create -n tensorflow-gpu python=3.6
(D:\Python\Anaconda3-5.0.1) C:\Users\sxq>conda create -n tensorflow-gpu python=3.6
Fetching package metadata .....
Solving package specifications: .
Package plan for installation in environment D:\Python\Anaconda3-5.0.1\envs\tensorflow-gpu:
The following NEW packages will be INSTALLED:
certifi: 2016.2.28-py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
pip: 9.0.1-py36_1 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
python: 3.6.2-0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
setuptools: 36.4.0-py36_1 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
vc: 14-0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
vs2015_runtime: 14.0.25420-0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
wheel: 0.29.0-py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
wincertstore: 0.2-py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
Proceed ([y]/n)? y
#
# To activate this environment, use:
# > activate tensorflow-gpu
#
# To deactivate an active environment, use:
# > deactivate
#
# * for power-users using bash, you must source
#2.建立tensorflow环境后，每次需要在该环境下工作，我们需要先激活tensorflow-gpu进入环境
activate tensorflow-gpu（退出是deactivate tensorflow-gpu）
3.安装所需的包
gpu版本的tensorflo输入以下命令：
pip install --ignore-installed --upgrade tensorflow-gpu==1.11.0
更新pip命令：
python -m pip install --upgrade pip
可用如下代码测试tensorflow-gpu是否安装成功：
import tensorflow as tf
# 新建一个 graph.
with tf.device('/gpu:0'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# 新建 session with log_device_placement 并设置为 True.
sess = tf.Session(config=tf.ConfigProto(
allow_soft_placement=True, log_device_placement=True))
# 运行这个 op.
print(sess.run(c))
五、安装OpenCV
pip install opencv-python
可用如下代码测试OpenCV是否安装成功：
import cv2
img = cv2.imread("D:\dog.jpg")
cv2.imshow("dog", img)
cv2.waitKey()所有安装完成后，使用conda list查看已安装的包如下所示：
