几个月前，为了用tensorflow，特意用conda创建了一个python3.6的版本，结果发现利用conda安装tensorflow-gpu时却只能依赖低级的CUDA版本（我试了之后目前支持的最新版本是CUDA10与cudnn7了）。
可是今天截至目前，又发现tensorflow居然支持python3.7了！
所以为了省事，我干脆就把之前的python3.6版本下的虚拟环境给删除了（不得不说，虚拟环境是真的省事啊，不过前提是别把平时的一些程序工程给放进去了：），不然会造成无法挽救的后果。。。）
下面是我自己已经亲测成功的conda安装tensorflow-gpu版本。
搭建tensorflow-gpu环境：（我是直接用conda安装的，它会自动下载需要的版本的CUDA10和cudnn7比较省事）
主要步骤：
1.win10和Nvidia显卡（1050Ti及最新驱动）
2.使用conda创建了一个python3.7环境
3.激活虚拟环境之后安装tensorflow-gpu
安装流程注意事项：
①为了下载速度更快点，配置了一下国内的conda镜像源。
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
conda config --set show_channel_urls yes的意思是从channel中安装包时显示channel的url，这样就可以知道包的安装来源了。
②创建一个环境（自己随意想创建就创建，不想创建直接在base环境中也行，不过这种的话容错机会比较少。。。）
#命令创建python版本为X.X、名字为your_env_name的虚拟环境。
conda create -n your_env_name python=X.X（2.7，3.6，3.7等)
③激活虚拟环境
activate your_env_name④conda安装tensorflow-gpu版本
conda install tensorflow-gpu中途会让安装一些默认依赖的程序直接默认yes就行
⑤测试tensorflow-gpu版本安装是否成功
- 1.根据自己的前面是否有虚拟环境，有的话进入（激活）python（虚拟）环境
- 2.根据测试程序的输出记录看看安装是否成功
-
import tensorflow as tf -
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))上面程序执行后，输出的日志信息中有包含GPU的信息，（Found device 0 with properties:）则多半已经是安装成功了。
如下图：
或者不放心的，可以运行一个使用GPU的深度学习网络试一试，然后查看任务管理器中，执行程序前后的GPU使用量比较大，就说明tensorflow-gpu安装成功了。
参考博客：
1. 检测tensorflow是否使用gpu进行计算https://blog.csdn.net/castle_cc/article/details/78389082