Tensorflow1.12.0(gpu)版本安装 大部分报错 解决的过程！
本篇文章主要解决CUDA安装失败问题
附带着解决 找不到模块问题
我看过很多的博客关于tensorflow安装的步骤，但是都不是很好用，有的是CUDA安装不上，找不到指定模块 等等一系列问题，本人亲测好用，解决了以上问题
以我自己电脑为例：安装tensorflow1.12.0GPU版本
准备材料：
win10系统笔记本
显卡NVIDIA GTX1050Ti（一个集成显卡，一个独立显卡，独立显卡只能是英伟达的显卡才可以安装，显卡型号示例）
Anaconda 3.6版本
GPU-Z.2.15.0.exe
cuda_9.0.176_win10.exe
cudnn-9.0-windows10-x64-v7.4.1.5.zip
tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl
DDU v17.0.8.5删除显卡驱动.exe
使用的工具稍后在最下方有链接
cuda和显卡驱动对应的型号要求官网数据
—>>>CUDA官网地址 <<<— —>>>cuDNN官网地址 <<<—
版本号可对应官网查看 —>>>tensorflow官网<<<—
tensorflow-gpu与CUDA和cuDNN之间对应的版本<从官网剪切下来的>
下面以tensorflow1.12.0为例的 详细安装步骤
首先检查显卡是否支持CUDA
安装GPU-Z，无脑下一步
安装好后桌面上会出现如下的图标，双击运行
主要看你的独立显卡是否支持CUDA运算，如果支持，继续操作，如果不支持就到此结束了，只能去安装CPU版本的了
下面就可以正式开始安装了
1.安装CUDA
以管理员身份运行cuda_9.0.176_win10，默认安装位置，无脑下一步，直至安装结束
此处容易出现问题这里以下因为我已经安装成功了，就用的在网上找的图片
安装程序失败问题
解决办法：
找到–>开始菜单 -->设置–>更新和安全–>恢复–>立即重新启动
电脑重新启动，进入蓝色界面
依次选择–>疑难解答 -->启动选项 --> F4安全模式（进入安全模式）
进入安全模式后
找到DDU文件
安装DDU（ 记住安装位置）
安装完成会在桌面生成如下的一个文件夹
打开文件夹–>运行DDU ( 如下图 )
运行结束后，关机重启 （自动退出安全模式）
在重新安装CUDA9.0就可以安装成功了
2.安装成功后，解压cudnn-9.0-windows10-x64-v7.4.1.5
复制以下文件
粘贴至
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
安装CUDA的默认路径，替换文件
3.配置环境变量
控制面板–>系统和安全–>系统–>高级系统设置(在右侧)–>环境变量
（这里配置到用户环境变量中）
打开环境变量–>双击Path–>添加系统变量
依次添加下面的环境变量
添加系统变量
《一般未添加系统变量就会报‘’找不到指定模块‘’》
C:\Program Files\NVIDIA Corporation\NVSMI
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
依次点击三个确定
win+R–>cmd–>输入 nvidia-smi
出现上面的 ，就说明安装成功了
4.安装tensorflow1.12.0GPU版本
win+R --> python
输入python 查看python版本号 3.6，需要是3.5或者3.6版本的，这里是3.6版本的
如果不是3.6输入 conda install python=3.6
exit() 退出python环境
输入pip install D:\tensorflow-gpu==1.12.0《tab键能自动补全后面的名称》
我的tf_GPU文件位置为D盘根目录下
回车，等待运行结束
重启pycharm就ok了
运行下面代码
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 忽略警告
a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')
b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
c = a + b
sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))ok了
