安装思路
一般的教程都是先装cuda再装tensorflow/pytrch/keras，但是这样很容易造成版本不匹配！！ 先确定tensorflow版本，由tf确定需要的cuda版本及cudnn版本，在去查看显卡驱动支不支持该cuda，不支持的话升级驱动。
由tensorfow确定cudn版本的方法：
安装tensorflow-gpu，安装完成后，import tensorflow，会报错，错误会提示，需要安装什么版本的cuda，如图：
截止2019-08-15，推荐直接pip install tensorflow安装tf1.14版本，配cuda10.0
安装默认已经装好了anaconda，使用anaconda prompt执行命令。
1、安装tensorflow
官网推荐创建虚拟环境：conda create -n tensorflow 进入虚拟环境：activate tensorflow pip install tensorflow-gpu 该命令是默认安装最新版本的tf，2019-08-15时，安装的是1.14版本，对应cuda是10.0。
2、查看驱动支持版本
先打开nVidia控制面板-帮助-系统信息-组件里面能看到支持的最新的cudn的版本
如果需要更新驱动，假如你的GPU卡是GeForce序列的，到https://www.geforce.com/drivers按你的机器的GPU卡的类型搜索对应的最新的driver，下载并安装即可，其他序列的去NVIDIA中国网页https://www.nvidia.cn/Download/index.aspx?lang=cn上按卡类型搜索最新的driver安装程序。
3、安装CUDA
去该网站上选择合适的版本
https://developer.nvidia.com/cuda-toolkit-archive
这是Windows10-64位本地exe程序安装
然后下载
然后直接安装就行安装完成之后，下一步需要配置环境变量。
如果安装成功，系统变量会多出两个为
还需要自己添加几个系统变量
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0(这是默认安装位置的路径，如果自己路径设置安装成功的话就用自己的路径)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
添加好之后应该像下面这样。
下一步在系统变量PATH里添加东西。找到系统变量的PATH双击。
添加下列东西。
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64 这些均为默认路径，有需要的话自行修改
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64
添加完之后CUDA就算安装完成了。我们可以检验是否安装成功。
打开CMD，cd到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite （这是默认路径）
分别执行命令：bandwidthTest.exe
deviceQuery.exe
若分别返回
则代表CUDA9.0安装成功。
4、Cudnn安装
Cudnn的下载需要登录，自己注册一个账号 下载地址：https://developer.nvidia.com/rdp/cudnn-download 下载下来是一个压缩包，里面是三个文件夹，里面各有一个文件
如果第一步安装CUDA没有修改安装路径，执行以下操作：
①复制 cudnn\bin\cudnn64_5.dll 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin ②复制 cudnn\include\cudnn.h 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include ③复制 cudnn\lib\x64\cudnn.lib 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64\
5、出现的问题：
1）ERROR：twisted 18.7.0 requires PyHamcrest>=1.9.0 ,which is not install
a) 下载对应的Twisted,下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted
b) 2.通过Anaconda3的Anaconda Prompt进行安装
c) 3.具体步骤： cd 下载的文件地址，如本人的：cd F:\下载， pip install Twisted-19.2.1-cp37-cp37m-win_amd64.whl
2)cannot uninstall wrapt. it is a distutils installed project and thus
解决方案： pip install -U --ignore-installed wrapt enum34 simplejson netaddr
参考：
3)执行import tensorflow时会报如下错误：
FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’. np_resource = np.dtype([(“resource”, np.ubyte, 1)])
因为numpy的版本过高1.17版本，执行：
pip uninstall numpy
pip install numpy==1.16
6、pytorch安装
安装确定好cuda+cudnn的版本之后，进入pytorch的官网，后选择系统、py版本等，就直接在pip安装就ok了，比TF简单多了~
我用conda安装遇到了这个问题，但是该目录下是有这个dll的。
7 Keras安装
因为keras是以tensorflow为后台的，所以安装好tensorflow之后，直接pip install keras即可安装成功。
注意！！！
注：这里使用pip安装而不是使用conda，原因是使用conda安装会默认安装cpu版本的tensorflow，如下图所示：
使用conda安装会提示安装其他依赖包，如下图所示；这其中就包括cpu版本的tensorflow，这是我们不想要的。 所以千万不要使用conda命令安装keras，说起来都是泪。。。
