最近在用tensorflow跑cnn，之前一直用cpu版本，最近主机到了，开始学着装gpu版本。
上网看了一下，大多数tensorflow-gpu的安装分三部分：Anaconda的安装、CUDA+cudnn的安装、tensorflow-gpu的安装。
这些安装之间的版本要保持匹配，挺晕的。
但其实，利用Anaconda，是可以一步到位的。
本机配置：win10 gtx1060
首先下载Anaconda： https://www.anaconda.com/download/
安装之后记得添加环境变量：
如果使用内网还要修改代理文件：
位置在c:\User（或“用户”）\current_user(当前用户）\.condarc：
proxy_servers: http: http://XXXXX.com:端口
安装过后，打开Anaconda Prompt
先配置清华镜像！不然下载会很慢很慢很慢！
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
输入
conda install tensorflow-gpu
可以发现会自动下载cuda+cudnn
输入y后开始（中途千万别关！）
出现这个说明安装OK
如果提示有错误，那么..卸载了Anaconda然后重新安装吧...
用Pycharm加载Anaconda的环境库，并实验一下tensorflow-gpu能不能用：
在Pycharm中写入（如果你没装CPU版本的tensorflow，不写也可以）：
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
with tf.Session(config=config) as session:
# your training session
训练前/训练中GPU使用情况：
可以看出，这种方法是可行的。
---------------------
原文：https://blog.csdn.net/kane7csdn/article/details/83690575