我电脑i7 1060，之前一直在找匹配的cuda和cudnn，安装出现各种问题，直到高人提醒，anaconda自带cuda和cudnn。

我打开开始菜单里的anaconda里的navigator，发现cuda和cudnn状态是installed，cuda版本是9.0，运行测试程序，证实可以在gpu上运行！

我建了几个环境，除了系统自带的base环境，还有自己装的TensorFlow环境，装的Python3.7，发现没有对应的TensorFlow，建了py36环境，装Python3.6，后来发现装的是CPU版本，于是建了py36-gpu环境装GPU版TensorFlow。

我安装的anaconda最新3.7版本，然后注意安装Python的时候要Python=3.6，安装TensorFlow的时候要tensorflow-gpu。新建的环境会装在anaconda安装目录的envs文件夹下。
具体操作可以看我的第一篇博客

Windows系统下用anaconda安装tensorflow可以激活不能import的解决方案

测试程序

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]

代码来自这里：

TensorFlow-Gpu环境搭建——Win10+ Python+Anaconda+cuda

转自：https://blog.csdn.net/xq_nbu/article/details/83188570