！一定要查准cudnn，cuda，tensorflow-gpu对应的版本号再进行安装，且本文一切安装均在虚拟环境中完成。
下文以笔者自己电脑为例，展开安装教程阐述（省略anaconda安装教程）：
1.查询电脑CUDA版本
2. 确认对应的cudnn，cuda，tensorflow-gpu版本号（链接）
3.如果先前安装过tensorflow-gpu，先卸载（没有安装过，此条可忽略）
activate tensorflow # 进入已有的tensorflow虚拟环境
pip3 unistall tensorflow-gpu
pip3 unistall tensorflow-tensorboard
conda env list #检测目前安装了哪些环境
4.创建虚拟环境并进入（在anaconda prompt终端执行）
conda create -n tensorflow python=3.7 #（tensorflow：自己取的tensorflow环境名，Python：对应的python版本）
conda ativate tensorflow
5.安装cuda，cudnn
5.1 因为直接pip install cuda = 8.0 很容易环境出错，尽量还是避免；本文找到了镜像（链接），直接下载安装包；
5.2 进入终端，cd 路径到安装包路径，如下图
5.3 安装cudatoolkit和cudnn-cuda安装包
conda install cudnn-7.1.4-cuda8.0_0.tar.bz2
5.4 但是我安装的cudnn是7.0+版本，而我需要的是6.0版本，所以我另外在anaconda navigator图形化界面进行版本更新。P：如果无法打开navigator图形化界面可参考该文章（链接）
一般出现这个错误提示，代表版本不对应。
至此，cuda和cudnn对应的版本已安装完成。
6. 安装tensorflow-gpu （最好用pip，conda命令可能引起不必要的麻烦）
pip3 install tensorflow-gpu==1.4.0
7. 验证是否安装成功
进入Python环境；输入
mport tensorflow as tf #进入tensorflow
tf.__version__ #tensorflow-gpu版本
注：当出现 蓝框warning时，是提示tensorflow2.0 以下 最好：用numpy 1.16.+版本；输入以下命令即可。
pip install -U numpy==1.16.4
其他问题（tensorflow-gpu安装过程中出现的tf.test.is_gpu_avaiable()返回false的一部分解决方法）
8. 虚拟环境键入pycharm编辑器；可借鉴该文章（基于conda pycharm 的tensorflow安装配置）
9. 测试
import tensorflow as tf
import numpy as np # 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300 # 构造一个线性模型
#
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b # 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss) # 初始化变量
init = tf.initialize_all_variables() # 启动图 (graph)
sess = tf.Session()
sess.run(init) # 拟合平面
for step in range(0, 201):
sess.run(train)
if step % 20 == 0:
print (step, sess.run(W), sess.run(b)) # 得到最佳拟合结果 W: [[0.100 0.200]], b: [0.300]
