实际上，安装windows环境下的TensorFlow并不是太麻烦，主要问题在于第一次不知道版本兼容性问题。像我这种强迫症安装软件总是想装最新版的人，就容易掉入坑中，导致CUDA，TensorFlow，python，cudnn版本的不兼容。
接下来，进入正题，安装一共需要三个步骤。在这之前先说一下作者的环境。
系统：WIN10
CUDA: 9.2
TensorFlow：1.11（发文时最新版本）
GPU：1060
PS：在这之前，先说一下版本匹配方式，因为TensorFlow为主体软件，因此：
1，在 GitHub TensorFlow release里面找到最新发布的版本。
GitHub release
２，记下文中画圈的cuDNN版本，到Nvidia官网找到cuDNN相应版本。我下载的是如上图圈中所示的7.2。
cuDNN archive
３，上图可以看到对应的CUDA版本为9.2，同样在Nvdia官网CUDA archive下找到对应版本下载即可。
CUDA
安装步骤
一，安装VS
(一定确保先于CUDA安装)
由于之后安装CUDA的时候会去找VS的安装路径生成相应的CUDA文件夹，因此务必确保VS已经安装成功后再装CUDA。
VS应该是13 15 17版本都可以，作者使用的是15，网上说稍微稳定一些，17的话可能会遇到奇怪的问题。（强迫症忍住了）其中VS的组件只需要安装C++相关即可。
二，安装CUDA
这一步没有什么特别的，下载好相应的CUDA版本，只需要无脑下一步即可。但是要注意的是，安装好后应该把以下文件夹添加到系统path中。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\libnvvp
系统路径
安装完成之后测试安装结果：
CMD
(2)，利用VS2015编译测试文件
VS编译测试
至此，可以在cmd中切换到路径bin\win64\Release下，然后运行bandwidthTest和deviceQueryDrv，可以看到运行结果，不在赘述。
三，添加cuDNN
将下载好的cuDNN解压缩，复制内容到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2路径下，直接覆盖即可。
解压后的cuDNN
三，安装TensorFlow
作者主要采用在线安装的方式。
(1),安装anaconda。这里也不在赘述安装方式，主要注意需要下载python3.6。
anaconda环境
(3),创建好环境后在Anaconda prompt中输入activate Tensorflow激活环境。
activate Tensorflow
pip安装
spyder和jupyter
整个安装过程到此就结束了。可以打开spyder测试一下代码。如果不报错就证明没问题了。
import tensorflow as tf
with tf.device('/cpu:0'):
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')
with tf.device('/gpu:1'):
c = a+b
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
