前言：很多小伙伴在选择CUDA版本和cudnn版本上有疑问，这里简短的说一下，希望能帮到各位小伙伴，我在网上看到有人说，要根据自己的显卡来选择CUDA，其实是错误的，你可以下载自己所需要的CUDA版本,这只是个驱动而已。CUDA的版本和cundd的版本要对应，不然可能会有不兼容报错。CUDA是显卡驱动程序，cundd是用来加速深度学习训练的库，在训练网络时，使用GPU加速，会调CUDA驱动和cudnn库，安装时两者要联系起来，本文的第二步，就是做这个事。
系统环境：windows10 64位
显卡：GTX1060
CUDA版本:cuda_9.0.176_win10（配套的cudnn一定要是7版本）
下载地址：https://developer.nvidia.com/cuda-90-download-archive
CUDNN版本:cudnn-9.0-windows10-x64-v7（7版本的）
下载地址：https://developer.nvidia.com/cudnn
TensorFlow-gpu版本：TensorFlow1.7（1.6和1.5也支持）
1.下载CUDA, https://developer.nvidia.com/cuda-90-download-archive
按照自己机器的信息选择，下图是我自己机器信息：
下载完之后直接点击运行，会自行安装，安装时会让你选择一个文件夹作为抽取文件临时存放，记住这不是安装文件夹，安装文件夹系统会自动安装到C盘，具体我后面会提到，临时文件夹安装完后会自动删除。
2.下载cudnn,下载地址：https://developer.nvidia.com/cudnn，进去之后,找到对应的版本，点击Download，他会要你注册登录，然后填个问卷，才可以下载，这一步自行按照网站提示做就可以了。提交完问卷后，就可以点击下载了。以下是版本选择界面：
勾选这个，然后选择要下载的版本，我选的是图中划线那个（应该选择7.0版本，7.1可能有些不兼容）
下载完，解压cudnn,会出现四个文件，如下：
接下来，我们要将CUDA和CUDNN链接起来，这样CUDA才能调用CUDNN.这里有两种方法将CUDA和CUDNN链接起来
第一种：
在环境变量下面，把解压后文件的bin目录加到系统环境变量中，放在path下面，如图：
重启一下电脑，让环境变量生效，完成。
第二种：
就是把cudnn中的库加入到CUDA中，因为CUDA系统会自动安装到c盘的Program Files文件中，选择该文件夹下的NVIDIA GPUComputing Toolkit文件，一直到
这个文件夹下有如下文件，我标出的这三个，和cudnn中的前三个文件是对应的如下图：
接下来要做的就是，把cudnn三个文件夹中的文件，复制到CUDA相应文件夹的下面（仔细看一下就会发现他们的目录结构是一样的），完成。
3.安装TensorFlow
安装：在命令窗口中输入pip install tensorflow-gpu，
如果要安装（更新）最新的版本，可输入： pip install --upgrade tensorFlow-gpu
等待安装完成即可
4.现在CUDA,cudnn,TensorFlow都已经安装好了，可以尽情的去写TensorFlow代码啦！
（注：新手第一次使用TensorFlow-GPU版时，训练网络时应该在tf.session处做一点修改，如下：
将with tf.Session() as sess:
改为：
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
with tf.Session(config=config) as sess:
否则可能会报错：
原因是当TensorFlow要大量使用GPU时，不会自动给其分配资源，需要手动调整。
）
