基本配置：Windows10家庭版+Anaconda虚拟环境Python3.6.8+Tensorflow-gpu-1.14.0+CUDA 10.0+cuDNN 7.4.2(1.13.0版本开始支持python3.7和CUDA 10、TensorRT 5.0)
说明：官方安装教程显示也是支持其他版本的:
tensorflow中文官网教程就是以VS2015参照的，而且还给出了经过测试的各版本组合(目前暂未给出win10+cuda10，本人想尝试安装比较新的版本)。
首先下载Visual C++ 生成工具 2015。此软件包随附在 Visual Studio 2015 中，但可以单独安装。进入Visual Studio 下载页面，选择“可再发行组件和生成工具”，下载并安装：
Microsoft Visual C++ 2015 Redistributable 更新 3，Microsoft 生成工具 2015 更新 3。
首先打开NVIDIA控制面板查看自己的显卡和驱动支持多少版本的CUDA，为了安装最新版本的CUDA我把显卡驱动升级到最新了，升级前可以找个软件备份下原驱动。
进入官网下载界面下载相应版本cuda。
下载后的安装步骤参考官方教程。
安装完成后简单检查一下cuda的版本：nvcc -V(更为完善的检查文末会提到)。
再看一下环境变量是否配置成功，这个应该是在安装过程中自动添加了。右键“此电脑”-“属性”-“高级系统设置”-“高级”-“环境变量”。
进入官网下载界面下载对应cuda10.0的cudnn7.4.2(这里选择v7.4.2版本是考虑到下一个发布的7.5.0版本开始支持cuda10.1了，为规避安装失败的风险)。
下载后的安装步骤参考官方教程。
解压cudnn7.4.2得到cuda文件夹，然后复制下面三个文件到 CUDA Toolkit 目录(CUDA我是默认目录安装的) 。
复制<cuDNN路径下>cudabincudnn64_7.dll 到 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0bin.
复制 <cuDNN路径下>cuda includecudnn.h 到 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0include.
复制 <cuDNN路径下>cudalibx64cudnn.lib 到 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0libx64.
按照官方说明还需对 cudnn.lib 进行链接，我没链接也能正常使用了(其实我不会哈哈)。
四、安装tensorflow-gpu并测试pip install tensorflow-gpu
简单测试tensorflow-gpu
import
其实一开始下载的是CUDA最新版cuda_10.1.168_425.25_win10.exe，然后搭配的对应于cuda10.1的cuDNN最新版cudnn7.6.2，两者都已成功安装并通过比“nvcc -V”更进一步的测试：用VS2015打开C:ProgramDataNVIDIA CorporationCUDA Samplesv10.1(默认的安装目录)下的Samples_vs2015.sln文件，找到1_Utilities文件右键点击生成，生成完毕后去C:ProgramDataNVIDIA CorporationCUDA Samplesv10.1binwin64Release文件下cmd分别运行deviceQuery(测试能否找到显卡并且驱动是否正确)和bandwidthTest(测试CUDA版本及其它必要的测试)，如下图：
但是后面 import tensorflow 的时候出现了如下错误：
这个报错的意思应该是当前的tensorflow-1.14.0版本不支持CUDA-10.1，它提供了官方网址让去下载CUDA-10.0，另外尚未了解tensorflow-2.0新版本是否支持最新的CUDA-10.1。
PS：来回折腾了两天多可算给windows10配置了比较新版的环境，下一步打算在Ubuntu18.04上也尝试下新版本(据说直接 conda install tensorflow-gpu 一句搞定，不知道是不是配置的最新版本)，后续如果踩坑比较多的话再追加。