Windows 系统使用Tensorflow1.4-gpu+cuba8+cudnn6

　　哇，入坑深度学习环境搞了一天，靠学长帮助终于可以了。记录一下。
　　

1、首先是搭建python环境：

　　推荐Anaconda，这个东西官网下载就可以：
　　https://www.anaconda.com/download/
　　这个东西解决很多问题，比如很多库的管理，还有不同版本的python共存问题。
　　然后可以建立多个环境，我就建立了一个名叫tensorflow的环境，Anaconda Prompt（Anaconda安装完了就有）中利用Anaconda创建一个python3.5的环境
　　conda create -n tensorflow python=3.5，
　　因为下载的root默认环境是3.6的，现在tensorflow只支持3.5所以新建立了一个环境。然后通过activate tensorflow切换至tensorflow环境下就行了。
　　

2、安装Tensorflow框架

　　首先我们使用python的时候会用到各种的模块，这时候使用Anaconda的好处就是安装方便，只需要cmd中输入pip install xxx 就可以了。不过这时候，默认的这种源是国外被墙的，速度非常慢。这时候我们可以添加一些国内的源。
　　conda config –add channels 地址
　　例如豆瓣：http://pypi.douban.com/simple/
　　　　清华：https://pypi.tuna.tsinghua.edu.cn/simple
　　把两个链接填入上面的地址中就可以加入，就可以在这些里面寻找源下载模块了，还可以在使用pip的时候加参数
　　-i https://pypi.tuna.tsinghua.edu.cn/simple

例如：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gevent，这样就会从清华这边的镜像去安装gevent库。
　　然后之后我们就可以cmd中输入：
　　activate 你创建的tensorflow环境
　　pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gevent tensorflow-gpu
　　此时我们就可以在Anaconda Prompt中
　　在Anaconda Prompt中启动tensorflow环境，并进入python环境，然后输入下列代码就可以测试啦。

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

3、安装CUDA和CUDNN

　　因为使用gpu加速的话，就得用相关的组件了去支持了。
　　先安装CUDA，目前版本的tensorflow最高支持到cuda8，就只能下cuda8了，下面是所有版本的下载地址。
　　https://developer.nvidia.com/cuda-toolkit-archive
　　cuddn下载地址，这里需要匹配自己的python版本和CUDA版本，自己看看啦：
　　https://developer.nvidia.com/cudnn
　　下载完成cuddn之后，解压缩，把里面的文件放到cuda安装的目录下，我的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0，放进相应的文件夹中即可。
　　最后在tensorflow环境下的Anaconda Prompt中输入
　　

from tensorflow.python.client import device_lib as _device_lib
local_device_protos = _device_lib.list_local_devices()

　　要是能显示你的gpu，那就说明成功了。就可以开始深度学习的大坑了啦，哈哈哈哈。