在前面的文章中，我展示了如何测试你的Linux系统，看看你是否有支持TensorFlow的GPU，并在当时承诺接下来介绍Windows和MacOS的相关知识。因此，在本文中，我讲介绍如何测试支持GPU的Windows系统，如果你有这方面的需求，可以在获得TensorFlow的构建并确保其正常工作，本文会介绍安装和配置所需的驱动程序。
但在你进一步研究学习之前，你还需要了解一下Python pip，而这些通常不会在Windows的机器上出现。
1.获取Python和Pip
有很多方法可以安装Windows版的Python和pip，但是我发现最简单的方法是到Python站点下载可执行文件安装程序。
一旦你下载了它，启动它，并确保选择安装的自定义选项。这会将你带入一个配置对话框，你可以选择pip该对话框作为安装选项。
我建议你只选择他们。
完成安装后，你可以打开命令提示符并键入python以查看你正在使用的版本，从上面我可以看到，我下载了3.6.4，并且我的Python命令与此匹配。
你可以退出Python解释器：exit()。
然后测试你pip install的：pip -V。
你应该看到这样的东西：
你现在可以适用你windows对应版本的Python和pip安装程序。你将使用它们来安装TensorFlow，但首先，我们需要检查你的GPU是否支持。
2.检查你的Windows GPU版本：
在命令指示符下，你可以使用以下命令启动设备管理器：
control /name Microsoft.DeviceManager然后查找“显示适配器”设置，将其打开，然后阅读适配器的名称。你应该看到这样的东西：
正如你所看到的，我的系统有一个GTX980 Ti。你需要查看你的，并了解下支持CUDA的GPU NVIDIA，网站在这里。如果你的GPU正好是GTX980 Ti，那么你知道了TensorFlow可以在你的机器上支持GPU的操作。但是在安装和运行TensorFlow之前，你需要为你的机器安装CUDA驱动，CUDNN更新它。
3.安装CUDA驱动程序：
在写这篇文章的时候，TensorFlow已经建立对CUDA9.0的支持，并且发布版本支持8.0。如果你在此处访问CUDA下载网站，你会注意到它会将你带到最新版本（现在是9.1），因此请确保通过选择下面的Legacy Resources链接来下载正确版本的驱动程序在下载界面：
当然，随着CUDA和TensorFlow的安装，它也会提醒你（本文稍后介绍），你将不得不返还本网站以获取正确版本。下载系统的驱动程序并使用默认值进行安装。这需要一点点时间，还有几次重启。
在运行TensorFlow之前，你还需要一个与你的CUDA版本相匹配的CuDNN版本，但是我个人觉得它更容易不安装，因为首先你必须确保你拥有正确版本的CUDA,其次你应该先安装TensorFlow并成功让它运行。在安装CuDNN的过程中，有两件事情可能会发生：
1. 它将在CUDA驱动程序上失败，因此你需要重复此步骤。
2. 它会在CuDNN驱动程序上失败，所以你知道你的CUDA驱动程序是好的，你需要得到一个正确的CuDNN版本。
接下来我们介绍如何安装TensorFlow。
4.安装TensorFlow Nightly：
我假设你在使用TensorFlow和GPU，所以要从命令提示符下安装它，只需要输入：
sudo pip install tf-nightly-gpu然后，一旦完成，在命令提示符窗口中输入：
python...打开Python编辑器，在其中输入：
import tensorflow as tf如果你使用的是GPU版本，则应该会出现错误。
如果你有错误的CUPA驱动程序，它可能会显示cudart64_XX.dll失败，其中XX是版本号。在撰写本文时，它cudart_90.dll告诉我，我需要CUDA驱动程序的9.0版本。仔细检查此版本，并重复上一步（下载并安装驱动程序），直到此错误消失。一定要关闭命令提示符窗口，并打开一个新的测试安装，以便你的路径是最新的。
当你有正确的CUDA驱动程序，但错误或缺少CuDNN驱动程序，你会看到一个错误，说cudnn64-X.dll缺少什么东西，在哪里X是一个版本号。记下这一点，你会在下一步中使用它。在继续之前，退出Python并关闭命令提示符窗口。就我而言，它告诉我cudnn64_7.dll缺少了，所以我知道我需要版本7.dll.
5.安装CuDNN库：
CuDNN库是针对深度神经网络的CUDA更新，是tensoeFlow用于加速NVidia GPU上的深度学习库，你可以从这里下载。你必须首先注册一个NVidia开发者账号，这很快就会完成，并且这是免费的。登陆后，你会看到各种CuDNN下载。以下是你必须与上一节中下载的CUDA版本相匹配的位置。所以，我使用了CUDA9.0,
所以我确定我使用了一个CuDNN来匹配这个和你在最后一步看到的版本（在我的例子中是版本7）—我为CUDA9.0选择了CuDNN v7.0.5。
6.测试TensorFlow:
如果一切顺利，现在可以打开命令提示符窗口，然后输入“python”打开Python解释器。然后输入：
import tensorflow as tf如果你有正确版本的库，你应该看到没有错误，像这样：
如果你看到错误cudart64_xx.dll或cudnn64_x.dll，回到前面的步骤，并确保你已经下载并安装了导致这些错误的驱动程序的正确版本。我恐怕需要一点反复试验。
然后，您可以输入以下内容来检查您的TensorFlow版本：
请注意，前后有两个下划线version。TensorFlow将输出其版本号，如下所示：
print(tf.__version__)
你现在有一个完整的TensorFlow运行时环境，在Windows上支持GPU！
本文由阿里云云栖社区组织翻译。
文章原标题《installing-tensorflow-with-gpu-on-windows-10》，
作者： Laurence Moroney，译者：乌拉乌拉，审阅：袁虎。
文章为简译，更为详细的内容，请查看原文
