安装这些东西的前提：你有nvidia的显卡！！！否则免谈。
一定要注意CUDA cuDNN tensorflow-gpu 三者的版本问题，版本要按照下图下载兼容版本，否则会报错无法运行。
安装CUDA
首先在CUDA官网上下载所需要的CUDA版本：https://developer.nvidia.com/cuda-downloads
根据网页提示选择合适自己的版本
按照提示安装CUDA，记录安装路径，默认路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
安装cuDNN
在cuDNN官网下载CUDA版本所对应的cuDNN版本：https://developer.nvidia.com/cudnn （需要登陆，可以用微信登陆）
下载好之后直接解压文件
将下列文件复制到CUDA相应的位置即可
Copy \cuda\bin\cudnn64_7.dll to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin.
Copy \cuda\ include\cudnn.h to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include.
Copy \cuda\lib\x64\cudnn.lib to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64.
安装tensorflow-GPU
直接在windows命令行窗口中用pip安装对应版本的tensorflow-gpu
tensorflow官网安装 pip install tensorflow-gpu（速度比较慢）
清华镜像安装 pip install -i https://pypi.mirrors.ustc.edu.cn/simple/ tensorflow-gpu（速度比较快）
测试tensorflow-gpu是否安装成功
在命令行中输入pip show tensorflow-gpu , 输出结果为安装tensorflow-gpu版本号
用python代码import tensorflow看是否会报错（前提是没有提前安装cpu版的tensorflow）
会出现的错误：
ImportError: Could not find 'cudart64_100.dll：
- 是因为没有配置环境变量，在Path中添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin即可
- 若配置了环境变量还报错，查看该文件夹内是否存在cudart64_100.dll这个文件，如果没有来这下载
pytorch-gpu安装
首先进入官网https://pytorch.org/，打开官网后照旧根据自己的情况选择合适的版本。
验证安装是否成功
验证pytorch是否安装成功，在终端输入：python，此时进入python环境。
然后，继续输入import torch
torch.version ，然后回车不报错就表明安装成功
