CUDA10.1+cudnn7.4.2+tensorflow1.14+numpy1.16.4

1.编译环境使用anaconda

2.下载cuda

cuda是NVIDIA的GPU计算数学库和编译器，此时需要打开控制面板—NVIDIA—帮助—系统信息—组件 查看自己的电脑支持什么版本的cuda。

cuda下载链接：

    cuda8.0 但是cuda8.0只支持vs2013

    cuda9.0   cuda10.1 （注意，cuda和tensorflow有版本匹配问题，建议先阅读后面的tensorflow安装了解版本匹配问题再回到这里阅读）

设置环境变量：（我安装的是cuda9.0，10.1的对应更改）

安装结束后，我们在计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量（10.1的对应10_0或者10_1）。 

      我们还需要在环境变量中添加如下几个变量：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0

CUDA_LIB_PATH = %CUDA_PATH%\lib\x64

CUDA_BIN_PATH = %CUDA_PATH%\bin

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

查看是否安装成功： 

在cuda安装文件夹中有deviceQuery.exe 和 bandwidthTest.exe两个程序。首先启动cmd DOS命令窗口，默认进来的是c:\users\Admistrator>路径，输入 cd .. 两次，来到c:目录下输入

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite 

找到安装的cuda文件夹。 

分别输入deviceQuery.exe 和 bandwidthTest.exe，运行结果如图所示。Rsult=PASS则说明通过，反之，Rsult=Fail 则需要重新安装。 

网上有很多配置vs2013、vs2017的，我认为那个只是一个编译环境，配置了直接使用vs里面的Python，这里使用anaconda，就不需要配置vs了。

3.配置cudnn

参考tensorflow官网给出的版本对应表

CUDA10.1对应cudnn7.4，cudnn下载链接

cudnn下载链接：

https://developer.nvidia.com/rdp/cudnn-archive

这是在一个外网上，速度较慢，是一个库，下载好之后的配置很简单，就不说了。

4.anaconda安装基本库和tensorflow1.14-gpu

（1）更新pip到pip3

python -m pip install --upgrade pip

pip3 install scipy h5py jupyter

（2）安装tenforflow1.14

一定要使用conda指令安装，pip3指令会安装失败，另外安装之后tensorboard会默认安装最新的，可能需要降级为1.14

conda install tensorflow-gpu==1.14

如果tensorboard版本不为1.14，则需要升级或者降级

conda install tensorboard==1.14

（3）安装numpy降级为1.16.4和tenforflow1.14版本对应，至于为什么是1.16.4，上一个问这个问题的人已经不学python了

pip uninstall numpy
pip install numpy==1.16.4

完毕！输入python开始使用吧