1. VS2015安装

要编译 CUDA 里的例子工程可以安装 VS2015 ，不安装对于使用 tensorflow-gpu 没有影响，建议先安装 VS2015 以备后续使用例子需要。去官网下载 VS2015 ，选择 C++ 模块安装即可。按照官网说明匹配相应的 Compiler 即可，不用一定是 VS2015 ：

2. CUDA安装

本文作者在安装 tensorflow-gpu 时，tenforflow-gpu支持的 CUDA 最高版本还是 CUDA Toolkit 8.0 - Feb 2017，去官网下载相应安装程序默认安装即可。可以到CUDA-Enabled GeForce Products查看GPU支持，环境变量由安装程序默认配置好。(安装路径不用管，即使改了路径，依然会安装在 C 盘路径)

3. cuDNN安装

官网下载相应 CUDA 版本的 cudnn-8.0-windows10-x64-v6.0.zip 解压文件，将得到的三个文件夹(/bin,/include,/lib )覆盖至 CUDA 安装目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

4. Tensorflow-gpu安装

按照官网教程Installing TensorFlow on Windows安装，本文选择 Installing with Anaconda3，使用清华镜像安装 Anaconda，添加清华镜像仓库源。打开 Anaconda Prompt 输入:

:conda create -n tensorflow-gpu python=3.5 #创建Python虚拟环境
:activate tensorflow-gpu #激活tensorflow-gpu环境
:pip install --ignore-installed --upgrade tensorflow-gpu #pip安装

本文使用 Python3.6 安装时出错，采用 Python3.5 安装，如果在创建虚拟环境时出错，提示网络问题，找到 .condarc 文件(使用 everthing 搜索方便)，删除 -default 一行。(前面已添加清华镜像仓库源)

5. 测试MNIST数据集

激活 tensorflow-gpu 虚拟环境后,下载 mnist 测试集(手写数字识别):

:git clone https://github.com/martin-gorner/tensorflow-mnist-tutorial.git
:python mnist_1.0_softmax.py

首次运行如果出错，提示网络连接中断，一般是数据集下载中断，需要借助梯子上网。成功后如下显示使用 GPU 设备： （/device:GPU:0）