一、前言
笔者这里使用的是win7系统搭建tensorflow-gpu环境，如果你使用的是win8或者win10系统，该教程依然适用，区别只是你需要下载的CUDA和cuDNN版本不同罢了。
二、Python环境安装
1.下载python安装包（https://www.python.org/downloads/windows/ ），这里笔者下载的是64位的python3.5安装包。虽然目前python3.7已经出来了，但不建议大家使用最新的版本，因为可能会出现诸多未知的问题。当然python3.6也是支持tensorflow-gpu的，但总的来说还是python3.5更稳定。
2.下载完成后，双击运行安装包进行安装即可。安装过程中可以勾选“Add Python to PATH”，如果没有勾选的小伙伴就照着下面这张图片，把Python的安装目录添加到系统变量PATH中吧。
3.Python的环境变量配置好之后，按下win + R 键，打开cmd窗口，输入python，如果出现了如下图所示的Python版本信息，说明Python已经安装成功。
三、CUDA环境的安装
1.首先需要下载CUDA Toolkit，CUDA全程是Compute Unified Device Architecture（统一计算架构），它是调用GPU加速计算的必需工具。CUDA最新版本已经是10.1了，可参看这里，不过笔者同样不建议使用最新版本，而是推荐比较稳定的CUDA 9.0，下载链接在此（https://developer.nvidia.com/cuda-90-download-archive ）。根据自己系统的版本和位数进行下载，最好下载如下图红框标注的本地安装包，这样安装过程才会比较快。
2.CUDA下载完成后，双击运行首先会自动解压，解压完成后会自动运行安装程序。在安装过程中，如果没有特殊要求，全过程默认安装即可。待安装完成后，需要重启下电脑。重启之后打开cmd窗口，输入 nvcc -V ，如果出现了下图所示的CUDA的版本信息，则说明CUDA安装成功了。
3.待CUDA安装成功后，还需要下载cuDNN，它是用于深度神经网络的GPU加速库，官方链接可点击这里查看。但如果要下载它，需要先注册一个nvidia帐号，登录之后选择对应的版本下载。
4.把cuDNN压缩包中的相关库文件登拷贝到CUDA安装目录（默认安装目录在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0）下对应的文件夹中去，如下图所示。至此，CUDA的安装已经完成。
四、tensorflow-gpu环境的安装
1.以管理员权限启动cmd窗口，然后输入 pip install tensorflow-gpu命令，等待它自行下载安装即可，安装过程中会下载很多相关的依赖库，最后安装成功后如下图所示：
2.在cmd中继续输入python，然后在python编辑器中输入 import tensorflow 进行测试。如果没有报错，说明 tensorflow-gpu安装成功，然而非常不幸的是，笔者这里出现了问题，报错内容如下图所示：
3.通过网上查询这个错误，其实是因为安装的tensorflow-gpu版本太新了，所以只需要重新安装下版本稍微低一点的tensorflow-gpu就行了。在第1步中，我们可以看到安装的最新版本是1.13.1，这里我们选择旧版1.11.0来安装，在管理员权限的cmd窗口中执行pip install tensorflow-gpu==1.11.0，这里安装旧版会自动卸载当前版本，安装完成后的结果如下图所示。
4.最后，再次在cmd中继续输入python，然后在python编辑器中输入 import tensorflow 进行测试，发现没有任何错误，说明tensorflow-gpu已经安装成功。
五、感谢
至此，Windows下安装tensorflow-gpu教程已经完毕。如果你觉得笔者写得还不错，请给笔者点个赞，并持续关注笔者的更新。谢谢！