Win10系统
CUDA 9.0
CUDNN v7.3.1 for CUDA 9.0
Visual Studio 2015
Anaconda3-4.2.0-Windows-x86_64
CUDA-Z-0.10.251-64bit
因为我的显卡是GeForce GTX 1070的，支持GPU计算，可以安装tensorflow-gpu版本。首先，需要安装VS2015，因为CUDA安装的时候需要VC++的一些底层库；然后安装CUDA 9.0。安装CUDA的时候要注意，不要安装最高版本的CUDA，比如CUDA10.0，因为CUDA10.0对显卡驱动版本有要求，如果达不到，CUDA安装上之后没法使用。验证CUDA安装成功的方法是：cmd命令窗口中，将路径切换至CUDA安装目录下的NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite文件夹，并运行bandwith.exe和devicequery.exe，如果都为Result=PASS，即为安装成功，如下图：
具体的CUDA版本与显卡驱动版本的对应关系，如下图所示
至于后面的Driver Version，可利用CUDA-Z这个绿色软件得到
下面开始安装Anaconda，版本选择Anaconda3-4.2.0-Windows-x86_64，该版本中的Python版本为3.5.2，网上说windows系统下面的TensorFlow安装只能使用python3.5.2，但是也有人用高版本的python成功了。这里我使用的是3.5.2.然后在Anaconda Prompt命令窗口中执行如下命令：python –m pip install –U pip，该命令是将pip升级为最新；然后执行pip install tensorflow-gpu，因为我的显卡可以支持CUDA，所以安装GPU版本的tensorflow，这样深度学习的时候时间会快很多;然后执行pip install keras，keras也是一个框架，它把tensorflow进一步封装起来，这样开发人员在使用的时候就可以不用过多关注底层细节了。
测试tensorflow和keras是否安装成功，在Anaconda Prompt命令窗口中执行import tensorflow 和 import keras。但我在测试的时候遇到了问题，如下：
提示是找不到dll，这个问题困扰了我好久，通过几天的网络搜索，慢慢地找到了门道，这种情况一般是由于缺少东西所致，要么缺少配置，要么缺少包或库。这里的配置是指环境变量path中不仅要把Anaconda加入到环境变量中，尤其是win10系统中，还要在PATHEXT中加上.DLL，如下图：
这里说的包或库，是指GPU版本的tensorflow用到的一些库，通过网上查找解决方案，最终是缺少cudnn的一些东西，cudnn是在CUDA基础上再次提升1.5倍的加速。安装对应CUDA9.0版本的cudnn，我在官网上选择的是v7.3.1，下载cudnn-9.0-windows10-x64-v7.3.1.20.zip，解压后将解压出来的bin、include、lib文件夹中的内容放到CUDA安装目录下的对应文件夹中，然后重启Anaconda Prompt命令窗口，执行pythonimport tensorflow出现如下错误：
经过分析，pip install tensorflow-gpu，默认安装的是最新的tensorflow，可能会依赖于高版本的库和包，比如上述的cudnn，根据此处错误提示，应该是pandas当前属于较低版本的，无法满足最新版本的tensorflow的使用，因此执行命令pip install –U pandas将pandas升级为最新的
再次运行import tensorflow，没有错误提示