Windows10（64bit,显卡GTX1050Ti）环境下的python3.5.2+tensorflow（gpu）+opencv安装配置

笔记本环境: windows10(64位)，显卡GTX050Ti

安装前的注意事项:
1.TensorFlow目前在windows下只支持64-bit Python 3.5

2.tensorflow1.3当前只支持CUDA8.0

1.安装python 3.5

这里，笔者使用的是python 3.5.2，具体安装如下：
(1).Python3.5.2安装教程_百度经验http://jingyan.baidu.com/article/a17d5285ed78e88098c8f222.html

备注：想要下载安装anaconda 3.5的朋友可以参考下面这篇博文：
http://blog.csdn.net/sb19931201/article/details/53648615

2.配置tensorflow(gpu)+opencv+其他

(2).pip升级（python3.5.2使用）
最新版本指令：打开CMD，输入 python -m pip install –upgrade pip

(3).安装tensorflow
命令:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow/tensorflow-gpu
或pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow（CPU版）

(4).安装opencv
命令:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

(5).安装matplotlib
指令：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib

(6).安装scipy（找到安装包路径，在安装）
由于scipy依赖于有mkl的numpy库，而从pip安装的numpy的库不带mkl，所以需要从上面的网站下载。

这里，笔者分别下载了scipy-1.0.0-cp35-cp35m-win_amd64.whl和numpy-1.13.3+mkl-cp35-cp35m-win_amd64.whl放在python\Scripts文件夹下。
scipy下载地址：http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy

numpy+mkl下载地址：http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy

a.安装numpy+mkl，pip install <安装包的路径>numpy-1.13.3+mkl-cp35-cp35m-win_amd64.whl

b.安装scipy：pip install <安装包的路径>scipy-1.0.0-cp35-cp35m-win_amd64.whl

(7).安装sklearn
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple sklearn

（8）.安装pyinstaller
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyinstaller

3.安装CUDA 8.0

(9).cuda v8.0安装包下载 (官网链接：https://developer.nvidia.com/cuda-downloads)
一路默认cuda安装完成后，检查默认的环境变量配置对不对，CUDA_PATH是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0。但是由于这样并不能直接访问到bin和lib\x64下的程序包，所以path中也应该加上这两个路径。
(10).cuDnn库下载（官网链接：https://developer.nvidia.com/cudnn）
解压刚才下载的cuDnn，将这三个文件夹下的文件拷到CUDA对应的文件夹下面,具体过程如下图所示。

这里，笔者分别下载的是cuda_8.0.44_win10和cudnn-8.0-windows10-x64-v6.0，这里分享某位大神（感谢，好人~~）给的百度云链接【链接：http://pan.baidu.com/s/1nvh2bxf 密码：8ss
】

4. 测试

这里，笔者仅使用简单的代码测试打开cmd,依次输入>python，>>>import cv2,无输出无报错。再输入>>>import tensorflow as tf ,无任何输出则正确。（如下图所示）