安置tensorflow gpu版本 Step1 安置CUDA8.0

进入这个云盘地点下载，暗码5aoc 进行CUDA8.0下载。下载完成后解压，打开exe文件直接凭据默认进行安置，安置法式对照繁琐，时间消耗较长，需耐心期待。

Step2 安置cuDNN6.0

进入英伟达官网 找到对应版本的cuDNN进行下载，进行简单的注册后，可以进入下载页面

选择Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0进行下载。下载完毕后，得到一个压缩包，解压后将压缩包中bin、lib、include三个文件夹复制，粘贴到CUDA8.0的安置目录下。
如果是按默认方法安置的CUDA8.0，，那么安置目录应该为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 。
之后将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\CUPTI\libx64 与C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64添加到环境变量PATH中。

Step3 安置Anaconda3.6

进入Anaconda 下载3.6版本，此中自带python3.6。

Step4 安置tensorflow

进入Step3安置完成的Anaconda Prompt, 输入python 进入python交互环境后，输入pip3 install --upgrade tensorflow-gpu 回车，即进行tensorflow gpu版本的下载。
期待下载完成，用样例测试

import tensorflow as tf a = tf.random_normal((100, 100)) b = tf.random_normal((100, 500)) c = tf.matmul(a, b) sess = tf.InteractiveSession() sess.run(c)

检察输出功效