一、下載下傳安裝anaconda
推薦到清華鏡像站下載下傳anaconda，下載下傳後按照提示一步步安裝即可。安裝過程中，這裡提個小建議，下圖的第一個框不要勾選，等安裝完再手動添加anaconda的環境變量。具體做法是将anaconda安裝目錄下的Script檔案夾路徑添加到系統環境變量(path)即可，不明白的可以百度。
二、安裝cuda和cudnn
1.檢視自己電腦的顯示卡和支援的cuda版本
2.下載下傳安裝cuda
到 英偉達官網下載下傳對應版本的cuda：
下載下傳完成後，到控制台->解除安裝程式中，将原有的NVIDIA驅動全部解除安裝，即有下面這種綠色圖示的：
解除安裝完畢後，重新開機電腦。然後開始安裝cuda，按照提示一步步安裝即可，這裡提個建議，就是下面這步選自定義，這樣可以修改安裝路徑，選精簡的話預設安裝到C槽中了。
沒有意外的話，cuda就算是安裝完畢了。
3.安裝cudnn
首先，到官網下載下傳與cuda版本對應的cudnn，可以參考如下圖檔：（注意，下載下傳cudnn需要登入NVIDIA賬号，沒有的注冊一個即可，很簡單）
下載下傳完畢後，将cudnn壓縮包解壓，得到如下三個檔案夾：
然後将這三個檔案夾複制到cuda的安裝目錄下：
至此，cuda和cudnn安裝完畢。
三、安裝tensorflow-gpu
1.更換conda源和pip源
更換conda源的目的是為了以後下載下傳檔案更快，具體做法可以百度，也可以按照下方指令在anaconda prompt中逐行運作來更換為清華源：（可以參照observador 部落客的這篇文章）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
同理，更換pip源，參照Chaser_LittleBee 部落客的這篇文章。
2.安裝tensorflow
首先，打開anaconda prompt，輸入如下指令建立一個名為”tensorflow-gpu“的虛拟環境：
conda create --name tensorflow-gpu python=3.6
# 或者
conda create -n tensorflow-gpu python=3.6
然後，激活該虛拟環境：
activate tensorflow-gpu
更新pip到最新版，防止安裝時出現錯誤:
python -m pip install --upgrade pip
接着，輸入如下指令安裝GPU版本的tensorflow：
補充：後來改用2.1.0了，指令改為如下：
上面的tensorflow版本參照如下圖檔：
若碰到類似清華源的url沒有所選tensorflow的版本的錯誤時，根據提示更換為有的版本即可。
3.驗證是否安裝成功
首先進入tensorflow-gpu虛拟環境，然後逐行運作以下指令：
import tensorflow as tf
hello = tf.constant('Hello, Tensorflow!')
sess = tf.Session()
print(sess.run(hello))
不出意外的話，會輸出：
b' Hello, Tensorflow
說明安裝成功。
補充：2.1.0版本驗證方法：
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant('hello,tensorflow')
sess= tf.compat.v1.Session()
print(sess.run(hello))
需要說明的是，高版本的tensorflow對“sess = tf.Session()”指令可能會報錯，原因是替換成了其他寫法。由于本人也是小白一枚，在此就不作說明，感興趣的可自行百度。