一、确认显卡是否支持CUDA
1.1、查看支持CUDA的显卡
网址：http://developer.nvidia.com/cuda-gpus
1.2、查看系统信息
1.3、查看显卡信息
由上图知，本电脑的显卡为GeForce GTX 1050，支持CUDA软件，如下图所示：
https://developer.nvidia.com/cuda-gpus#compute
二、安装CUDA
2.1、确定 Tensorflow-GPU CUDA CUDNN的版本
确定要下载的Tensorflow-GPU的版本并查看对应的CUDA CUDNN的版本
网址：https://github.com/promise777/tensorflow-windows-wheel
我这边下载的是1.4.0\py36\GPU\cuda91 cudnn7 avx2
对应的CUDA 9.1.85 CUDNN是7.0.5
2.2、下载并安装CUDA
网址：https://developer.nvidia.com/cuda-downloads
安装步骤如下图所示： 用迅雷下载挺快的
安装路径，选择OK（安装完成后路径会自动变化，所以这里路径选择默认就好）
2.3、自定义安装
取消勾选GeForce Experience
如果电脑上本身就有Visual Studio Integration，要将这个取消勾选，避免冲突了
点开Driver comonents，Display Driver这一行，前面显示的是Cuda本身包含的驱动版本是411.31
如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号，那一定要把这个勾去掉。否则会安装失败(相同的话，就不用去取勾了)
只选CUDA不然会失败
CUDA的安装位置可以自定义，系统默认是在系统盘C盘，为了方便日后管理，可以安装到非系统盘的其他盘
2.4、检查安装状态
打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin ，查看nvcc.exe
有这个nvcc.exe就说明CUDA安装已成功
打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64，查看有没有cuti64_101.dll
有这个cuti64_101.dll就说明CUPT1已成功
三、安装cuDNN
3.1、下载cuDNN
网址：https://developer.nvidia.com/cudnn
3.2、加入会员
进入注册步骤：
3.3、进入下载页面
网址：https://developer.nvidia.com/rdp/cudnn-download
3.4、查看下载后的文件
3.5、配置CUDNN
解压CUDNN后，将对应的bin、lib、include与CUDA9.1对应的bin、lib、include进行合并。
3.6、编辑系统环境变量
单击“环境变量”按钮
编辑环境变量
编辑用户变量
把以下路径都添加到PATH
四、测试CUDA
五、Andconda测试
然后在Anaconda创建新的环境
安装在github下载的tensorflow-gpu
pip install tensorflow
然后重新安装numpy
pip uninstall numpy
pip install numpy == 1.16.1
import tensorflow
没报错 安装成功
tf.test.is_gpu_available()
查看是否安装成功
六、卸载CUDA
卸载开始:
- 对于含cuda字眼的，和结尾版本号是9.0的可以卸载。
- 如果不确定那个程序能不能删除，可以搜索试试看，程序什么用途的。
- NVIDIA的软件一个个都有其独立卸载程序，不用担心卸载顺序。
具体的：
- 留下：NVIDIA的图形驱动程序、NVIDIA Physx系统软件，如果你有这2个软件，就别卸载。
卸载：
- 推荐排序。 点击顶部时间小三角排序，可发现一个叫NVIDIA Nsight HUD Launcher
的带眼睛图标的排列在上面，挺大的。然后从下往上卸载，跳过保留的NVIDIA图形驱动、NVIDIA Physx系统软件。 - 软件名含cuda的，9.0的，sdk，NVIDIA Nsight HUD、NVIDIA GeForce
Experience、等，这些都可以卸载掉。 - 卸载完后，你会发现电脑—开始—所有程序，里面那个关于NVIDIA的程序文件不见了。存在的话，也可以看看里面还剩下什么，可以搜索看看。当然，C盘里面
C:\Program Files\NVIDIA GPU Computing Toolkit文件也可以删除了。 - 用杀毒软件垃圾扫描下，清理下电脑，主要是清理注册表