手边有两台PC笔记本。一台是纯Ubuntu系统，另一台是Windows 10。Ubuntu系统的本子没有nvidia独立显卡。Windows的本子有nvidia GTX870M独显，且安装了VMware Workstation Pro下的Ubuntu 14.04。本来想在虚拟机的Linux环境下安装Tensorflow GPU版本，但是经过一番搜索，发现虚拟环境无法正常调用nvidia显卡运行CUDA，果断放弃。windows本子上分区并安装双系统，是一条路。但是一是麻烦，二是可能造成不必要的文件丢失。所以不得已就在Windows 10系统下安装Tensorflow GPU版。
1. 安装Anaconda 3.5。Tensorflow不支持Python 2，且到目前为止不支持Python 3.6。所以到Anaconda archive找适合的（x86或者64bit）的Python 3.5版：Anaconda installer archive。貌似Anaconda 4.3.0往前的版本是低于Python 3.6的，比如我安装的4.2.0 64-bit就是Python 3.5。在强调一次，如果安装了Python 3.6，会造成后面不必要的麻烦。
2. 如果Anaconda正确安装了，同时pip也被安装了。
3. 检查一下Anaconda文件夹在Windows的搜索路径中。打开Control Panel\System and Security\System，点左边的Advanced system settings->Environment Variables，确认一下C:\Program Files\Anaconda3，C:\Program Files\Anaconda3\Scripts以及C:\Program Files\Anaconda3\Library\bin在用户或者系统的环境变量中。
4. 打开Command Prompt (Admin)。注意是有管理员权限的命令解释器。输入pip install –upgrade –ignore-installed tensorflow-gpu，回车。等待下载和安装完毕。
5. 安装gpu支持包。一个安装是cuda8.0，打开链接CUDA Toolkit Download，找到适合的操作系统版本安装。如果安装成功，CUDA_HOME会出现在系统的环境变量中。另一个是下载cudnn5.1，注意一定要5.1，因为6.0或者以上的版本目前Tensorflow不支持。下载地址：NVIDIA cuDNN。如果以前没有注册过nvidia developer账号，需要注册一个。完了解压缩，只要把bin文件夹下的cudnn64_5.dll文件，放到CUDA的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin文件夹里就行了。
6. 测试Tensorflow
$ python
>>> import tensorflow as tf
如果出现一堆错误信息，包含“ImportError: No module named ‘_pywrap_tensorflow’ Failed to load the native TensorFlow runtime”，下载Microsoft Visual C++ 2015 Redistributable Update 3。
>>> hello = tf.constant(‘Hello, TensorFlow!’)
>>> sess = tf.Session()
>>> print(sess.run(hello))
b’Hello, TensorFlow!’
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>
参考：Windows 10安装Tensorflow手记 – 知乎专栏
Windows下安装tensorflow步骤 – 云计算技术频道 – 红黑联盟
ImportError: No module named ‘_pywrap_tensorflow’ Failed to load the native TensorFlow runtime
