win10+Anaconda+tensorflow-gpu下启用GPU加速
背景
由于需要跑深度学习程序，要用到gpu，所以启用GPU加速。
软件和包：1.Anaconda 2.CUDA和CuDNN 3.python 4.TensorFlow-gpu。
版本信息：cuda-V9.0，cudnn-9.0-win10-x64-V7.5.，python-V3.6，tensorflow-gpu-V1.9.0
显卡：GTX960M
安装前一定要确认好每个软件的版本是否相互支持。
安装
1.Anaconda
Anaconda包含了conda、Python等180多个科学包及其依赖项，功能十分强大。
Anaconda下载地址：https://www.anaconda.com/download
注意安装过程中勾选在环境变量中添加路径，这样可方便的在命令行中直接启动
安装启动前若不勾选上第一项，则需在软件安装完成手动添加环境变量
2. CUDA
CUDA是NVIDIA推出的运算平台，CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案。在安装之前要查询下最新TensorFLow发行版支持到了哪个版本。笔者选择的是cuda-V9.0，cudnn-9.0-win10-x64-V7.5.
1）显卡型号支持：https://developer.nvidia.com/cuda-gpus
2）CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive
下载cuda_9.0.103_win10并运行。安装软件会先运行一个系统检查，如果没有软硬件不兼容的情况就能继续进行下一步。若有不兼容情况，系统检查则会报错，无法进行下一步。如果报错了，就最先考虑下是不是自己的显卡不被该版本支持。
在安装选项：
选精简（E），会将所有包都装好（不想麻烦就选这个）；
选择自定义（C），在下一步选择安装包。
在选择安装项时一般不安装GeForce Experience，CUDA是核心组件必须勾上，剩下两个选项的当前版本如果比新版本低的话也可以勾选上。接着点击下一步就开始安装了。
3. CuDNN安装
CuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-download
（下载CuDNN需要注册账号，注册过程比较简单）
解压压缩包cudnn-9.0-windows10-x64-v7.5.0.56.zip，得到三个文件夹
将这三个文件拷贝到CUDA9.0的安装路径根文件夹下
4. 安装tensorflow（GPU版）
打开Anaconda Prompt，进入Anaconda命令行管理界面。
配置清华仓库镜，输入指令：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes创建运行环境，输入指令：
conda create -n tensorflow-gpu python=3.6新建一个名字为“tensorflow-gpu”，python版本为3.6的虚拟运行环境，此环境与Anaconda中其它环境隔离。红框中的软件包也会随之安装，输入“y“和回车后开始安装。
激活并进入环境，使后续指令在激活的环境中生效，输入指令：
conda activate tensorflow-gpu升级pip到最新版，防止稍后的安装时，出现错误（笔者初次在安装tensorflow时，没有更新pip到最新版，导致下载到一半出现错误），输入指令：
python -m pip install --upgrade pip安装tensorflow-gpu，这里需要注意，如果直接pip install tensorflow-gpu，会安装最新版的tensorflow-gpu，可能会导致与当前的cuda版本不兼容，所以要指定版本，一个版本不行就换一个版本试试：
pip install tensorflow-gpu==1.9.0至此，tensorflow的安装完成。
5.验证
在命令行中，进入python，并输入以下代码：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))输出：
b’ Hello, TensorFlow!
