1、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 940MX，支持CUDA软件，如下图所示：

2、安装CUDA

2.1、下载并安装CUDA

网址：https://developer.nvidia.com/cuda-downloads
安装步骤如下图所示：

下载后双击安装，如下图所示：

2.2、设置解压缩安装程序的暂存目录

2.3、同意协议并继续

2.4、选择精简安装选项

2.5、警告未安装Visual Studio

2.6、下载CUDA界面

2.7、确认是否安装此设备软件

注意：在安装之前关闭杀毒软件，否则会出现错误，安装失败。

如果安装过程中出现了上述的安全信息框，我们直接点击“安装”按钮即可。

2.8、确认安装

2.9、安装完成

3、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

3.4、查看下载后的文件

3.5、复制到其他目录

3.6、创建tools目录，并粘贴之前复制的文件

3.7、已复制/粘贴到tools目录，如下图所示：

3.8、查看cudnn64_5.dll

4、将cudnn64_7.dll存放的位置加入Path环境变量

4.1、编辑系统环境变量

4.2、单击“环境变量”按钮

4.3、编辑环境变量

4.4、编辑用户变量

5、在Anaconda建立TensorFlow GPU虚拟环境

5.1、重新启动“命令提示符”程序，并切换到工作目录

5.2、在Anaconda建立TensorFlow GPU虚拟环境

输入conda create --name tensorflow-gpu python=3.5 anaconda命令
如下图所示：

环境加载完成后会出现下面界面：

安装完成的界面如下：

5.3、启用TensorFlow GPU虚拟环境

在命令行中输入：activate tensorflow-gpu，执行结果如下：

6、安装TensorFlow GPU版本

在命令行中输入：pip install tensorflow-gpu，执行结果如下：

7、安装Keras

在命令行中输入：pip install keras，执行结果如下：

亲！你还欠我一评价，请给予个好评，一点点码出的文字，很不容易。