【记录】wind10+GTX1060+tensorflow1.8.0+cuda9.2+cudnn7.2.1.38安装过程

本人的笔记本配置：显卡GTX 1060（注意：要先去官网查询你的显卡是否支持cuda）
一、安装Anaconda3，python3.6

1. 官网地址：https://www.anaconda.com/download/，下载对应python3.6的版本进行安装；
2. 安装完成配置环境变量，在path中添加D:softwareworkinganaconda3和D:softwareworkinganaconda3Scripts；
3. 打开cmd，输入conda list，如果能显示当前已安装的包，那么表示环境变量配置正确，如下图：

4. 之后输入conda create --name tensorflow-gpu python=3.6来创建一个环境，用来安装tensorflow-gpu，如果还想要一个cpu版的tensorflow，那么就重新创建一个环境conda create --name tensorflow python=3.6，注意：这两个不能装在一个环境中，因此分开创建；
5. activate tensorflow-gpu用来启动刚才创建的环境，deactivate用来关闭；

二、安装tensorflow-gpu

划重点！！！！！在github上下载tensorflow-gpu，因为cuda9.2所支持的tensorflow-gpu版本目前只有这个大佬编译出来的，直接用命令pip install tensorflow-gpu==1.8所安装的版本只支持cuda9.0
下载地址如下：
https://github.com/fo40225/tensorflow-windows-wheel/blob/master/1.8.0/py36/GPU/cuda92cudnn71sse2/tensorflow_gpu-1.8.0-cp36-cp36m-win_amd64.whl
使用pip命令进行安装
三、安装cuda9.2

在官网下载对应的版本进行安装，注意：安装时选择自定义安装，并且只安装cuda模块就可以
下载地址：https://developer.nvidia.com/cuda-toolkit-archive
四、安装cudnn

安装cudnn需要注册，不过很快，下载地址如下：
https://developer.nvidia.com/rdp/cudnn-download
将下载后的文件解压，并将里面的三个文件夹复制到cuda的安装文件夹中对应的位置
五、测试是否安装成功

打开cmd，进入tensorflow-gpu环境，输入python，之后

import tensorflow as tf
#接着每次输入一行代码，并回车，你应该可以看到Device mapping中出现gpu：0字样表明你的GPU已经开始工作啦~
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print sess.run(c)