由于最近跑机器学习相关代码的时候CPU运算速度跟不上，这才利用GPU来运算代码，显然使用GPU来运算速度明显要快很多，但是搭配GPU的使用环境是真的麻烦且头疼。网上有很多牛人的搭建过程，虽然他们都成功了，但是大家的情况不一定一样，有些人肯定也试过他们的方法并且还是没有成功，所以我还是写一份博客，以帮助广大的IT朋友们，还有也是为了方便自己以后的环境搭建。
先来推荐一篇关于关于CUDA9.0的GPU环境搭建博客，我之前不会就是看的他的，后来自己搭建了几次也就明白怎么回事了，新人不会可以照着操作一遍，成功率很大，过程也很详细。https://blog.csdn.net/ygjustgo/article/details/78883981
接下来说我的搭建需要：（本人电脑win10·i5-7300HQ处理器·NIVIDA GTX 1050Ti）
1、VS2015版本（vs2013、vs2017也行）,注意CUDA8.0不支持VS2017,建议下载专业版
2、cuda9.0 官网下载
3、cudnn V7.05 官网下载，需要登录注册
4、Anaconda3-5.0.1 清华镜像下载地址
5、pycharm 2018 下载及安装都在这里
只需要下载以上所需就行，其余的tensorflow根据自己所需在安装就可以，它们是有严格的版本对应关系的，如果 你要下载安装并使用，一定注意版本匹配问题，很多人用不了都是因为版本不匹配的原因。
给出一张表供大家参考：
（注意：cuda10虽然推出了，但是还存在许多版本问题没有解决，与tensorflow-gpu之间的匹配不是很好，我安装过始终没有搭建好，如果有兴趣你可以尝试一下）
下面说安装过程：
1.先安装VS2015（很重要） 如果你不是先安装的VS2015，而现先安装了cuda的话，那我建议你还是把cuda卸掉重装吧；因为先安装cuda的话，就不会生成配置文件，导致无法使用vs2015；
安装VS2015很简单，只需要安装c++组件就可以，然后一路默认就好。这里提醒使用笔记本的小伙伴们，最好不要安装在C盘下，还是自己在D盘或者其他盘建一个文件夹去安装好一点，因为笔记本的C盘容量一般都不大，
没有必要浪费内存是不是嘛；
2.安装cuda9.0 选择对应版本安装就可以，可以选择本地安装或者离线，请随意
如果有使用360安全卫士啥的小伙伴请注意，先不防退出这个烦人的玩意，不然他会给你说什么恶意软件入侵骗取钱财啥的。（我每次都快装好了他给我强制终止了，导致我又从头开始）最好使用管理员权限安装，然后一路确认，这个有点大，如果你有心节省C盘的存储空间，那就安装到其他盘就可以，不麻烦，安装成功时会提醒你重启电脑，所以有什么重要的事系最好先放一放，保存一下再说，成功之后如图所示
然后就是验证cuda是否安装成功了：打开命令提示符 输入：nvcc -V
看到这个显示就证明cuda已经安装成功了！
利用VS2015编译测试文件 打开C:ProgramDataNVIDIA CorporationCUDA Samplesv9.0，找到对应VS版本的sample，本例中为Samples_vs2015.sln，双击打开：
显示出这个界面：
选择Release，X64
右键1_Utilities，点击build(build)
成功编译出现图片下方文字：成功5个…
至此，“C:ProgramDataNVIDIA CorporationCUDA Samplesv9.0inwin64Release”文件夹中会出现我们需要的deviceQuery和bandwidthTest
验证deviceQuery和bandwidthTest
打开命令提示符：定位到 c:ProgramDataNVIDIA CorporationCUDA Samplesv8.0inwin64Release目录，分别输入deviceQuery，bandwidthTest并运行，出现如下类似信息便说明CUDA安装成功
环境变量
- 在用户变量，Path中添加：C:ProgramDataNVIDIA GPU Computing Toolkitv9.0in
- 确认系统变量中：CUDA_PATH和CUDA_PATH_V9.0已经存在
3.cudnn-9.0-windows10-x64-v7
下载对应的版本就行，一定不要随便搭配版本，否则就会使用不了GPU
解压cudnn-9.0-windows10-x64-v7，将文件夹里内容拷贝至安装CUDA的地方覆盖对应文件夹，默认文件夹在：
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0
cudnn就算安装好了，这就是一个配置文件！
4.anaconda3的安装
这个就比较简单了，直接下载对应版本安装就好，注意它还是有版本匹配存在的，不要乱下载哦！
5.pycharm的安装我就不用多说了，网站上已经给的比较多了。无非就是注意破解过程而已，这里有一个大神的博客，大家可以参考破解，很简单的，激活码问题网上资源太多了，Baidu都会。
6.重头戏就是TensorFlow的安装了，anaconda和pycharm都可以安装，但是我本人觉得你还是自己利用anaconda见一个pycharm环境比较好。
anaconda安装好了之后打开，找到environment，create一个新的环境，命名为tensorflow，他就作为你的tensorflow环境了；上面installed表示的是你已经安装的东西，你需要安装TensorFlow的话，就要在下拉面板里选择 not installed，然后在后面的搜索框里输入要安装的各个包就可以了，注意选择版本哦！
其实在pycharm里面也是可以安装TensorFlow的，只是速度太慢，奈何我是急性子，等不得。不过我还是说一下
打开菜单栏 文件-》设置后出现：
里面的东西是我已经装好的，没有你也不用担心。如果没有使用过pycharm，你可以百度，时下这个IDE还是比较火的，很多人会使用，我这里就只做简单说明，因为我们的目的是装好tensorflow-gpu。使用pycharm是要你的电脑有Python编译器的，如上图的上面的“Project Interpreter”就是显示的当前pycharm正在使用的Python环境。点击后面的设置键选择ADD之后，在下面选择额外的环境，也就是你搭建的tensorflow环境来使用：
下面说如何安装tensorflow-gpu,在前面一张图里的右侧有一个绿色的加号，里面就是添加所需包的搜索，点击进入以后就可以搜索安装了（显示蓝色字体表示你已经安装好了的包）：
这里安装需要等一会，以后有什么包的需要也可以直接在这里添加或者删除，非常的方便，还有要说明的就是cuda9.0的对应的是使用tensorflow-gpu1.8版本的，不要搞错了，然后安装的时候，最好先安装项目所需要的tensorflow，再安装tensorflow-gpu，不然会出现覆盖问题，导致GPU不运行的问题。
运行代码后，查看GPU使用情况可以在任务管理器里面，也可以cmd进入C:Program FilesNVIDIA CorporationNVSMI后，输入nvidia-smi查看当前GPU使用情况（这里我已经配好了路径所以可以直接查看）：
看到0号GPU正在使用中，工作路径也是我的tensorflow路径，那就表明成功了！
过程非常的复杂，但是，一切都是为了更好的学习。工欲善其事必先利其器！想想我不用在苦苦等待CPU的龟速，我就很满足了。