1、安装anaconda
anaconda想必大家都不陌生，由于网站登不上去，我找到了清华大学的一个开源镜像，下载地址为http://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
下载完成后安装，一步步点击ok就好啦，这里忘截图了，所以就不放图了，我将anaconda安装在D:\software\anaconda 下。
注意将安装路径添加到系统环境变量中，右键我的电脑--属性--高级系统设置-环境变量，在系统变量path中加入anaconda的安装路径即可，如下图所示：
添加环境变量
此时在命令行下查看Python的版本，可以发现电脑中已经成功安装了python3.6的开发环境啦.
查看系统中的python版本
2、安装Pycharm
Pycharm算是一款比较不错的python ide了，下载地址为：http://www.jetbrains.com/pycharm/
Pycharm分为社区版和专业版，社区版需要付费或者激活码，所以这里我索性下载了一个社区版，下载，一路安装畅通无阻。
3、安装tensorflow-gpu版本
anaconda中已经内置了pip，所以选择直接用pip进行安装：
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl
发现，报错啦！
安装报错
出现这个错误的原因是目前tensorflow-gpu版本只支持python3.5.2，所以我们使用如下命令建立一个tensorflow的计算环境：
conda create -n tensorflow python=3.5.2
随后激活此环境：
activate tensorflow
在此环境下执行安装命令：
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl
安装成功！
4、安装cuda和cudnn
只安装了tensorflow是不够的，想要配置gpu的开发环境，还需要安装cuda和cudnn：cuda下载地址：https://developer.nvidia.com/cuda-downloads
下载之后安装即可，一路点下一步！
cudnn下载地址：https://developer.nvidia.com/rdp/cudnn-download
cudnn下载后直接解压即可，需要将bin目录添加到环境变量path中,如下图所示：
将cudnn的bin路径添加到环境变量
5、使用Pycharm进行测试
首先我们需要将解释器选择为我们刚刚创建的tensorflow环境：
修改解释器环境
可以看到我们新建的tensorflow计算环境只有这么一点python库，每次想要使用pip安装新的库时，需要先激活tensorflow环境，仍然使用activate tensorflow即可。
如果不想这么麻烦，可以直接将anaconda的python版本进行降级，使用命令：conda install python=3.5.2，降级之后再安装tensorflow。
编写第一个程序：
tensorflow示例程序
运行结果：
运行结果
至此，大功告成！
